文本处理工具和grep过滤工具以及正则表达式 

  一.文本处理工具相关命令

   前面课程中曾经使用过cat，head，tail命令查看相关文件，head，tail分别查看文件开头、结尾的行信息。对于特定想要显示的信息则需要特定的文本查看指令，比如cut，sort，paste，uniq等。如下内容分别对每个命令进行分别总结。

    1.more与less，head与tail

    more与less作用等同于cat文本查看命令，more命令默认按页面展示文件内容，常用-d选项显示翻页与退出提示。more命令显示文本界面只支持向后翻页而不支持向前翻页。less命令可查看文件与stdin输出，前后皆可翻页。

    head命令常用选项为-c与-n，-c显示文件前#个字节，-n显示文件前#行内容。tail命令与之相反，同样使用-c，-n选项，不同的是显示的是后#字节与后#行内容。对于如/etc/passwd这样的配置文件，如果要实现跟踪显示新追加内容，常常使用tail -f选项。此选项常用于log日志监控。

    2.cut与paste

    cut字面意思为剪切，用于选取文件特定纵列的内容。常常使用-c（按字符），-b（按字节）选取纵列。但在实际应用中，人很难按字符与字节详细查询指定纵列，所以这里详细讲解-d的使用方式如下：

[root@localhost ~]# cut -d: -f1,3 /etc/passwd
root:0
bin:1
daemon:2
adm:3
lp:4

    上述命令-d：定义“：”为分隔符将文件分为若干纵列，-f1,3表示选取-d：定义的第1,3列。/etc/passwd以“：”分割内容的第1,3列内容为用户名称与UID号码，输出命令即为上面输出形式。

    在/etc/passwd这种内容格式固定的文件可以使用如同“：”作为分隔符。但如果文本内容不是固定格式，如果想要得到固定列内容，则需要自定义分隔符，可多次如下：

[root@localhost testdir]# ifconfig
eno16777736: flags=4163<UP,BROADCAST,RUNNING,MULTICAST>  mtu 1500
        inet 10.1.252.255  netmask 255.255.0.0  broadcast 10.1.255.255
        inet6 fe80::20c:29ff:fe61:2a16  prefixlen 64  scopeid 0x20<link>
        ether 00:0c:29:61:2a:16  txqueuelen 1000  (Ethernet)
        RX packets 116344  bytes 11590351 (11.0 MiB)
        RX errors 0  dropped 0  overruns 0  frame 0
        TX packets 4379  bytes 489447 (477.9 KiB)
        TX errors 0  dropped 0 overruns 0  carrier 0  collisions 0

lo: flags=73<UP,LOOPBACK,RUNNING>  mtu 65536
        inet 127.0.0.1  netmask 255.0.0.0
        inet6 ::1  prefixlen 128  scopeid 0x10<host>
        loop  txqueuelen 0  (Local Loopback)
        RX packets 6  bytes 504 (504.0 B)
        RX errors 0  dropped 0  overruns 0  frame 0
        TX packets 6  bytes 504 (504.0 B)
        TX errors 0  dropped 0 overruns 0  carrier 0  collisions 0

virbr0: flags=4099<UP,BROADCAST,MULTICAST>  mtu 1500
        inet 192.168.122.1  netmask 255.255.255.0  broadcast 192.168.122.255
        ether 52:54:00:21:74:43  txqueuelen 0  (Ethernet)
        RX packets 0  bytes 0 (0.0 B)
        RX errors 0  dropped 0  overruns 0  frame 0
        TX packets 0  bytes 0 (0.0 B)
        TX errors 0  dropped 0 overruns 0  carrier 0  collisions 0

如果想通过cut命令只显示ip地址，则可以按照如下方式获得：

[root@localhost testdir]# ifconfig|tr -s ' '|grep 255|cut -d" " -f3
10.1.252.255
127.0.0.1
192.168.122.1

    由于ifconfig得到的信息排布凌乱，先使tr命令删除连续重复的空格字符，这样便于在随后的cut命令中使用空格作为分隔符选取纵列。

    paste命令用于合并两文件同行号内容排到一行并且使用分隔符隔开，-d选项定义两文件内容同行分隔符，举例如下：

[root@localhost testdir]# cat f1
xxx
xx
x
[root@localhost testdir]# cat f2

yyy
yy
y
[root@localhost testdir]# paste -d~ f1 f2
xxx~
xx~yyy
x~yy
~y

    3.wc与sort

    wc是分析文本数据的指令，也可以分析指定字符串。例如：

[root@localhost testdir]# wc /testdir/xiaojiji 
  52   96 2664 /testdir/xiaojiji

    这里52代表xiaojiji文件行数，96代表单词数，2664代表文件字符数。如果wc命令使用选项，有4种常用选项，其分别为：

    -l：只计数文本内容行数

    -w：只计数文本内容单词总数

    -c：只计数文本内容字节总数

    -m：只计数文本内容字符总数

    sort命令用于整理文本内容，以特殊排列的方式展示纵向文本，常常与cut一起使用。其命令选项为：

    -r：反向整理

    -n：按数字大小整理（由小到大）

    -f：忽略字符大小写

    -u：删除输出中的重复行

    与cut命令一样，对于纵列的整理需要分隔符分割后定义列号，这时需要-t，-k的配合使用：

    示例：按照UID大小顺序排列/etc/passwd文件内容

[root@localhost ~]# sort -nt: -k3 /etc/passwd
...........
........
wangcai:x:1102:3001::/testdir/homewangcai:/bin/bash
alice:x:1103:3004::/home/alice:/bin/bash
tom:x:1104:3005::/home/tom:/bin/bash
bash:x:1105:1105::/home/bash:/bin/bash
testbash:x:1106:1106::/home/testbash:/bin/bash
nologin:x:1107:1107::/home/nologin:nologin
nfsnobody:x:65534:65534:Anonymous NFS User:/var/lib/nfs:/sbin/nologin

    由此得到输出结果为UID从小到大的排列。

    4.uniq与diff

    uniq命令：从输入中删除重复内容的连续行，常常通过管道和sort整理后的结果使用。diff命令：对比两个文件内容，由于使用较少，这里不做详细介绍。

  二.grep以及正则表达式

    对于文本中特定字符或字符段的显示，无论是cat，cut，tail等命令都是难以做到的，这时就要使用grep文本搜索工具。grep命令常用于显示用户所需要的固定字段内容，对于范围内的固定字段，需要根据规定的正则表达式来体现。

    1.grep常用选项

    -v：显示没有被匹配的行，也就是取反

    -i：忽略匹配字符字母大小写

    -n：显示匹配字段行号

    -o：仅显示匹配到的字符

    -q：静默模式，不输出任何信息

    -A#：匹配字符与后#行

    -B#：匹配字符与前#行

    -C#：匹配字符与前后#行

    -w：匹配整个单词

    –color=auto：匹配字符上色

    2.正则表达式与扩展正则表达式

    正则表达式BRE的存在为grep查找范围字符段提供了方便灵活的使用手段。这里我把其分为四类用途如下：

    a.匹配单个字符表达方式

    .：匹配任意单个字符

    []：匹配任意[]范围内的单个字符，比如[1-9]代表匹配1-9以内的任意一个数字

    [^]：匹配任意非[]内的单个字符

    其他代表任意单个字符的正则表达式与之前讲到的通配符glob相似：[:digit:]任意单个数字，[:lower:]任意单个小写字母，[:upper:]任意单个大写字母，[:alpha:]任意单个字母，[:alnum:]任意单个数字或字母，[:space:]任意单个空白字符或tab字符，[:punct:]任意单个标点符号

    b.字符的匹配次数

    *：匹配前面字符的次数，比如.*代表匹配任意长度的任意字符

    \+:\表示转译符号，\+代表匹配前面字符0次或1次（\转译符在grep中很常见）

    \(m\)：匹配前面字符m次

    \(m,n\):匹配前面字符最少m次，最多n次

    \(m,\)：匹配前面字符至少m次

    \(,n\)：匹配前面字符最多n次

    c.位置锚定

    ^:指定行首，比如^w表示匹配以w为开始的字符串

    $：指定行尾，w$表示匹配以w结尾的字符串

    ^$：匹配空行（行首行尾无字符）

    ^pattern$:匹配整行固定内容

    \<pattern\>:单词匹配模式，比如如果文本内容有mcgee，wangmcgee，我们仅仅想找寻mcgee，需要使用grep \<mcgee\>来查找，这里可以使用grep -w mcgee代替，但是如果查找范围内的单词，则必须使用\<pattern\>的用法了，这里\<pattern\>也可以使用\bpattern\b代替，但由于\b容易与单词混淆，个人不建议使用。

    d.分组与变量

    \(\）：表示将（）内的内容分组并记录在变量中，\仍然代表转译符。变量表示方式为\1，\2，\3….，这里\1表示第一个“\(”与其匹配的“\)”之间的内容，\2表示第二对，以此类推…。下面使用实例说明这四类用途：

    找出/etc/passwd文件中用户名与shell名称相同的行并显示

[root@localhost ~]# grep "^\(\<[[:alpha:]]\+\>\).*\1$" /etc/passwd
sync:x:5:0:sync:/sbin:/bin/sync
shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown
halt:x:7:0:halt:/sbin:/sbin/halt
bash:x:1105:1105::/home/bash:/bin/bash
nologin:x:1107:1107::/home/nologin:nologin

   这里使用了匹配字符表达方式，匹配字符次数，位置锚定，分组的所有用法，注意转译符号“\”的存在，如果理解上述abcd的用法，此例不难理解。

    2.扩展正则表达式

    扩展正则表达式ERE由egrep命令使用，egrep=grep -E。ERE区别于BRE即为匹配字符时“\”转译符的不使用，举例如下：

    查询/etc/passwd文件中UID或GID超过3位数的用户行：

[root@localhost ~]# grep -E "[0-9]{3,}" /etc/passwd
....
...
geoclue:x:994:991:User for geoclue:/var/lib/geoclue:/sbin/nologin
rtkit:x:172:172:RealtimeKit:/proc:/sbin/nologin
chrony:x:993:990::/var/lib/chrony:/sbin/nologin
qemu:x:107:107:qemu user:/:/sbin/nologin
avahi-autoipd:x:170:170:Avahi IPv4LL Stack:/var/lib/avahi-autoipd:/sbin/nologin
setroubleshoot:x:992:989::/var/lib/setroubleshoot:/sbin/nologin
nfsnobody:x:65534:65534:Anonymous NFS User:/var/lib/nfs:/sbin/nologin
saslauth:x:991:76:Saslauthd user:/run/saslauthd:/sbin/nologin
libstoragemgmt:x:990:988:daemon account for libstoragemgmt:/var/run/lsm:/sbin/nologin
pulse:x:171:171:PulseAudio System Daemon:/var/run/pulse:/sbin/nologin
gnome-initial-setup:x:989:984::/run/gnome-initial-setup/:/sbin/nologin
mcgee:x:1000:1000:mcgeewang:/home/mcgeewang:/bin/bash
docker:x:1002:1002::/home/docker:/bin/bash
natasha:x:0:1004::/home/natasha:/bin/bash
harry:x:1004:1005::/home/harry:/bin/bash
gentoo:x:1005:1006::/testdir/gentoo:/bin/bash
user1:x:1100:1102:dafeige:/home:/bin/bash
user2:x:1101:1101:dafeige:/home:/bin/bash
wangcai:x:1102:3001::/testdir/homewangcai:/bin/bash
alice:x:1103:3004::/home/alice:/bin/bash
tom:x:1104:3005::/home/tom:/bin/bash
bash:x:1105:1105::/home/bash:/bin/bash
testbash:x:1106:1106::/home/testbash:/bin/bash
nologin:x:1107:1107::/home/nologin:nologin

   如上所示，得到三位数UID或GID的用户行信息。