引言
在Linux信息环境，文本数据处理是一项基础而重要的技能。对于广大Linux用户而言，掌握Shell环境下的文本处理工具不仅能提高工作效率，还能在面对复杂数据时游刃有余。
本文将介绍，那些在文本处理中不可或缺的11种命令工具，让数据处理技能更上一层楼。
目录
find： find命令无疑是文件查找领域的佼佼者。它能帮助我们在文件系统中快速定位所需文件grep： 当我们需要在文件中查找特定文本时，grep是我们的不二选择。它能帮我们过滤出含有特定模式的行xargs： xargs能够将标准输入转换成命令行参数。这对于处理来自其他命令的输出结果非常有用sort： 无论是数字还是文本，sort都能帮我们轻松排序uniq： uniq命令用于移除或显示文件中的重复行tr： 需要替换或删除字符？tr是我们的好帮手cut： 当我们需要基于列分隔符提取文件内容时，cut命令可以大大简化任务paste： 与cut相对，paste命令用于合并文件的列wc： 无论是行数、单词数还是字节数，wc都能给我们准确答案sed： 对于复杂的文本替换和编辑任务，sed是不二之选awk： awk是一种编程语言，特别擅长在表格数据中进行字段和记录的处理
提供的例子和参数都是最常用和最为实用的
对shell脚本使用的原则是命令单行书写，尽量不要超过2行。
一、find 文件查找高手
1. 查找txt和pdf文件
find . ( -name "*.txt"-o -name "*.pdf") -print
2 正则方式查找.txt和pdf
find . -regex ".*(.txt|.pdf)$"
- iregex：忽略大小写的正则
3. 否定参数: 查找所有非txt文本
find . ! -name "*.txt" -print
4. 指定搜索深度打印出当前目录的文件（深度为1）
find . -maxdepth 1 -type f
5. 定制搜索
- 按类型搜索：
find . -type d -print #在当前目录（.表示当前目录）下搜索所有的目录（-type d表示只查找目录），并将找到的目录名打印出来（-print表示打印到标准输出）
- 按时间搜索：
- atime： 访问时间 (单位是天，分钟单位则是-amin，以下类似） - mtime： 修改时间 （内容被修改） - ctime： 变化时间 （元数据或权限变化）
- 最近7天被访问过的所有文件：
find . -atime 7 -type f -print
- 按大小搜索：
w字 k M G
寻找大于2k的文件
find . -type f -size + 2k
- 按权限查找：
find . -type f -perm 644 -print #找具有可执行权限的所有文件
- 按用户查找：
find . -type f -user weber -print #找用户weber所拥有的文件
6. 找到后的后续动作
删除：
删除当前目录下所有的swp文件：
find . -type f -name "*.swp" -delete
7. 结合多个命令
tips: 如果需要后续执行多个命令，可以将多个命令写成一个脚本。然后 -exec 调用时执行脚本即可；
-exec ./commands.sh {} ;
- print的定界符：默认使用' '作为文件的定界符；
- print0 使用''作为文件的定界符，这样就可以搜索包含空格的文件；
二、grep 文本搜索专家
grep match_patten file #默认访问匹配行
常用参数:
- -o： 只输出匹配的文本行 VS -v 只输出没有匹配的文本行
- -c： 统计文件中包含文本的次数
grep -c "text" filename
- -n： 打印匹配的行号
- -i： 搜索时忽略大小写
- -l： 只打印文件名
1. 在多级目录中对文本递归搜索(搜索代码配置常用）
grep "class". -R -n
2. 匹配多个模式
grep -e "class" -e "vitural" file
3. grep输出以作为结尾符的文件名：（-z）
grep "test" file* -lZ| xargs -0 rm
三、 xargs 命令行参数转换，批量操作能手
xargs能够将输入数据转化为特定命令的命令行参数； 这样，可以配合很多命令来组合使用。比如grep，比如find；
- 将多行输出转化为单行输出
cat file.txt| xargs
- 是多行文本间的定界符, 将单行转化为多行输出
cat single.txt | xargs -n 3
- -n：指定每行显示的字段数
xargs参数说明
- -d 定义定界符 （默认为空格 多行的定界符为 ）
- -n 指定输出为多行
- -I {} 指定替换字符串，这个字符串在xargs扩展时会被替换掉,用于待执行的命令需要多个参数时
补充：
cat file.txt | xargs -I {} ./command.sh -p {} -1
-0：指定为输入定界符
补充：统计程序行数 find source_dir/ -type f -name "*.cpp"-print0 |xargs -0 wc -l
四、sort 排序大师
字段说明：
- -n 按数字进行排序 VS -d 按字典序进行排序
- -r 逆序排序
- -k N 指定按第N列排序
补充： sort -nrk 1 data.txt sort -bd data #忽略像空格之类的前导空白字符
五、uniq 消除重复行
- 消除重复行
sort unsort.txt | uniq
- 统计各行在文件中出现的次数
sort unsort.txt | uniq -c
- 找出重复行
sort unsort.txt | uniq -d
- 可指定每行中需要比较的重复内容：-s 开始位置 -w 比较字符数
六、tr 字符转换器
- 通用用法
echo 12345 | tr '0-9''9876543210' #加解密转换，替换对应字符 cat text| tr ' '' ' #制表符转空格
- tr删除字符
cat file | tr -d '0-9' #删除所有数字
-c求补集
cat file | tr -c '0-9' #获取文件中所有数字 cat file | tr -d -c '0-9 ' #删除非数字数据
- tr压缩字符
tr -s 压缩文本中出现的重复字符；最常用于压缩多余的空格
cat file | tr -s ' '
字符类
tr中可用各种字符类：
- alnum：字母和数字
- alpha：字母
- digit：数字
- space：空白字符
- lower：小写
- upper：大写
- cntrl：控制（非可打印）字符
- print：可打印字符
使用方法：tr [:class:] [:class:]
tr '[:lower:]''[:upper:]'
七、cut 按列提取文本
- 截取文件的第2列和第4列：
cut -f2,4 filename
- 去文件除第3列的所有列：
cut -f3 --complement filename
- -d 指定定界符：
cat -f2 -d";" filename
cut 取的范围
- N-: 第N个字段到结尾
- -M: 第1个字段为M
- N-M: N到M个字段
cut 取的单位
- -b: 以字节为单位
- -c: 以字符为单位
- -f: 以字段为单位（使用定界符）
补充: cut -c1-5 file #打印第一到5个字符 cut -c-2 file #打印前2个字符
八、paste 按列拼接器
将两个文本按列拼接到一起; cat file1 1 2 cat file2 colin book paste file1 file2 1 colin 2 book
- 的定界符是制表符，可以用-d指明定界符
paste file1 file2 -d "," 1,colin 2,book
九、wc 字数统计员
wc -l file #统计行数 wc -w file #统计单词数 wc -c file #统计字符数
十、sed 文本替换利器
- 首处替换
seg 's/text/replace_text/' file #替换每一行的第一处匹配的text
- 全局替换
seg 's/text/replace_text/g' file
- 默认替换后，输出替换后的内容，如果需要直接替换原文件,使用-i：
seg -i 's/text/repalce_text/g' file
- 移除空白行：
sed '/^$/d' file
- 变量转换
已匹配的字符串通过标记&来引用
echo this is en example | seg 's/w+/[&]/g' $>[this] [is] [en] [example]
- 子串匹配标记
第一个匹配的括号内容使用标记 来引用
sed 's/hello([0-9])//'
- 双引号求值
sed通常用单引号来引用；也可使用双引号，使用双引号后，双引号会对表达式求值：
sed 's/$var/HLLOE/'
- 当使用双引号时，我们可以在sed样式和替换字符串中指定变量；
p=patten r=replaced echo "line con a patten"| sed "s/$p/$r/g" $>line con a replaced
- 其它示例
字符串插入字符：将文本中每行内容（PEKSHA） 转换为 PEK/SHA
sed 's/^.{3}/&//g' file
十一、awk 数据流处理工具
- awk脚本结构
awk ' BEGIN{ statements } statements2 END{ statements } '
工作方式
- 执行begin中语句块；
- 从文件或stdin中读入一行，然后执行statements2，重复这个过程，直到文件全部被读取完毕；
- 执行end语句块； print 打印当前行
使用不带参数的print时，会打印当前行
echo -e "line1 line2"| awk 'BEGIN{print "start"} {print } END{ print "End" }'
print 以逗号分割时，参数以空格定界
echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3"; print var1, var2 , var3; }' $>v1 V2 v3
使用拼接符的方式（""作为拼接符）
echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3"; print var1"-"var2"-"var3; }' $>v1-V2-v3
特殊变量： NR NF $0 $1 $2
- NR:表示记录数量，在执行过程中对应当前行号；
- NF:表示字段数量，在执行过程总对应当前行的字段数；
- $0:这个变量包含执行过程中当前行的文本内容；
- $1:第一个字段的文本内容；
- $2:第二个字段的文本内容；
echo -e "line1 f2 f3 line2 line 3"| awk '{print NR":"$0"-"$1"-"$2}'
打印每一行的第二和第三个字段：
awk '{print $2, $3}' file
统计文件的行数：
awk ' END {print NR}' file
累加每一行的第一个字段：
echo -e "1 2 3 4 "| awk 'BEGIN{num = 0 ; print "begin";} {sum += $1;} END {print "=="; print sum }'
传递外部变量
var=1000 echo | awk '{print vara}' vara=$var #输入来自stdin awk '{print vara}' vara=$var file #输入来自文件
用样式对awk处理的行进行过滤
awk 'NR < 5' #行号小于5 awk 'NR==1,NR==4 {print}' file #行号等于1和4的打印出来 awk '/linux/' #包含linux文本的行（可以用正则表达式来指定，超级强大） awk '!/linux/' #不包含linux文本的行
设置定界符
使用-F来设置定界符（默认为空格）
awk -F: '{print $NF}'/etc/passwd
读取命令输出
使用getline，将外部shell命令的输出读入到变量cmdout中；
echo | awk '{"grep root /etc/passwd" | getline cmdout; print cmdout }'
在awk中使用循环
for(i=0;i<10;i++){print $i;} for(i in array){print array[i];}
补充：
以逆序的形式打印行：(tac命令的实现）
seq 9| awk '{lifo[NR] = $0; lno=NR} END{ for(;lno>-1;lno--){print lifo[lno];} } '
awk实现head、tail命令
head: awk 'NR<=10{print}' filename tail: awk '{buffer[NR%10] = $0;} END{for(i=0;i<11;i++){ print buffer[i %10]} } ' filename
打印指定列
- awk方式实现：
ls -lrt | awk '{print $6}'
- cut方式实现
ls -lrt | cut -f6
打印指定文本区域
- 确定行号
seq 100| awk 'NR==4,NR==6{print}'
- 确定文本
打印处于startpattern 和endpattern之间的文本
awk '/start_pattern/, /end_pattern/' filename 补充: seq 100| awk '/13/,/15/' cat /etc/passwd| awk '/mai.*mail/,/news.*news/'
awk常用内建函数
- index(string,search_string)：返回search_string在string中出现的位置
- sub(regex,replacement_str,string)：将正则匹配到的第一处内容替换为replacement_str;
- match(regex,string)：检查正则表达式是否能够匹配字符串；
- length(string)：返回字符串长度
echo | awk '{"grep root /etc/passwd" | getline cmdout; print length(cmdout) }'
printf 类似c语言中的printf，对输出进行格式化
补充：
seq 10| awk '{printf "->%4s ", $1}'
迭代文件中的行、单词和字符
1. 迭代文件中的每一行
- while 循环法:
while read line; do echo $line; done< file.txt
- 改成子shell:
cat file.txt | (while read line;do echo $line;done)
- awk法：
cat file.txt| awk '{print}'
2. 迭代一行中的每一个单词
for word in $line; do echo $word; done
3. 迭代每一个字符
-
{#word}:返回变量word的长度
for((i=0;i<${#word};i++)) do echo ${word:i:1); done
最后
至此，11种Linux Shell文本处理工具，就介绍完毕了，总结有些仓促。每个工具都有其独特之处，合理运用这些工具，可以让我们在处理文本数据时如鱼得水。无论你是系统运维、软件开发，这些工具都将是日常工作中的得力助手。
最后~欢迎关注我！ @Linux学习的那些事儿
我的个人资源整理，满满都是干货： 无任何套路，有需要可以访问领取
如果本文对你有帮助，欢迎点赞、收藏、转发给朋友，让我有持续创作的动力！
