8-4 文本处理工具

本节主要了解文本处理工具

文件查看命令：cat  tac  rev

    cat [OPTION]… [FILE]…

        -E：显示行结束符$

        -n：对显示出的每一行进行编号

        -A：显示所有控制符

        -b：非空行编号

        -s：压缩连续的空行成一行

tac：倒着显示内容

rev：倒着显示内容，同一行内也倒着

分页查看文件：more

     more [OPTIONS…] FILE…

         -d：显示翻页及退出提示

  less ：一页一页地查看文件或STDIN 输出

查看时有用的命令包括：

       /文本  搜索 文本

       n/N：跳到下一个 or  上一个匹配

 less 命令是man命令使用的分页器

显示文本前或后行内容

 head [OPTION]… [FILE]…

     -c #：指定获取前#字节

     -n #：指定获取前#行

     -#：指定行数

 tail [OPTION]… [FILE]…

      -c #：指定获取后#字节

      -n #：指定获取后#行

      -#：

      -f：跟踪显示文件新追加的内容,常用日志监控

文本内容切割：cut  

    cut [OPTION]… [FILE]…

       -d delimiter:  指明分隔符

        -f fileds：指明需要取出的字段

            #：第#个字段

            #,#,# ：离散的多个字段，例如1,2,3

            #-#：连续的多个字段,  例如1-6

            混合使用：1-3,7,9,10-13

            -c 按字符切割

            –output-delimiter=STRING 指定输出分隔符

 合并文件

      paste  合并两个文件同行号的列到一行

      paste [OPTION]… [FILE]…

          -d：分隔符: 指定分隔符，默认用TAB

          -s：所有行合成一行显示

字符统计：wc

wc [OPTION]…[FILE]…

   -l：统计行数

   -w：统计单词个数

   -c：统计字符个数

   -m：只计字符总数

其中1是行数，2是单词个数，7是字符数

文本排序：sort

  把整理过的文本显示在STDOUT ，不改变原始文件

   sort [OPTION]… [FILE]…

    -r：逆序

    -n：以数字大小进行排序

    -f：忽略字符串中的字符大小写

    -u：删除输出中的重复的行

    -t c：使用c 做为字段界定符

    -k #：以指定字段为标准排序

取第三列以数字大小排列

从输入中删除重复的前后相接的行：uniq

    uniq [OPTION] …[INPUT[OUTPUT]]

            -c：显示每行重复的次数

            -d：仅显示重复的行

            -u：仅显示不重复的行

grep ：

   文本过滤( 模式：pattern) 工具;grep, egrep, fgrep （不支持正则表达式）

   作用：文本搜索工具，根据用户指定的“模式”对目标文本逐行进行匹配检查；打印匹配到的行；

   模式：由正则表达式字符及文本字符所编写的过滤条件

   grep [OPTIONS] PATTERN [FILE…]

   –color=auto:  对匹配到的文本着色显示；

  -v：显示不能够被pattern 匹配到的行；

  -i：忽略字符大小写

  -n：显示匹配的行号

  -c：统计匹配的行数

  -o：仅显示匹配到的字符串；

  -q：静默模式，不输出任何信息

  -A #：after,匹配到的后#行

  -B #： before,匹配到的前#行

  -C #：context,匹配到的前后各#行

  -e：实现多个选项间的逻辑or 关系

       grep  -e ‘cat ’ -e ‘dog’ file

  -w ：整行匹配整个单词

  -E ：使用ERE，支持使用扩展的正则表达式

元字符：

      字符匹配:

          . ：匹配任意单个字符

          []：匹配指定范围内的任意单个字符

          [^]：匹配指定范围外的任意单个字符

               表达方法：

                   [:alnum:]：表示所有字母和数字

                   [:alpha:]：表示所有的字母（不区分大小写）

                   [:digit:]：表示所有的数字

                   [:lower:]：表示所有的小写字母

                   [:upper:]：表示所有的大写字母

                   [:space:]：表示所有的空白符号

                   [:punct:]：表示所有的标点符号

      次数匹配：用在要指定次数的字符后面，用于指定前面的字符要出现的次数

          *：匹配前面的字符任意次，包括0次 次

              默认正则表达式是工作在贪婪模式下，尽可能长的匹配

          .* ：任意长度的任意字符

          \? ：匹配其前面的字符0 或1次，即可有可无

          \+ ：匹配其前面的字符至少1次

          \{m\} ：匹配前面的字符m次

          \{m,n\} ：匹配前面的字符至少m 次，至多n次（小于等于，大于等于）

          \{0,n\} ：匹配前面的字符至多n次

          \{m,\} ：匹配前面的字符至少m次

     位置锚定：对特定位置进行定位

         ^：行首锚定，用于模式的最左侧

         $：行尾锚定，用于模式的最右侧

         ^PATTERN$：用于模式匹配整行

             ^$：空行，不包含有空格的行

             ^[[:space:]]*$：空白行，包含有空格的行

          \< 或 或 \b：词首锚定，用于单词模式的左侧

          \> 或 或 \b：词尾锚定；用于单词模式的右侧

          \<PATTERN\>：匹配整个单词

         分组：是指将一个或多个字符捆绑在一起，当做一个整体进行处理

               符号是： \(\):

                   如：\(xy\)*ab 表示xy这个整体可以出现无数次

       查找出passwd文件中，r后跟任意小写字母再跟t的字符

扩展正则表达式元字符：

     字符匹配：

         .：任意单个字符

         []：指定范围内的单个字符

         [^]：不在指定范围内的单个字符

次数匹配：

    *：任意次

    ？：0次或1次

    +：至少1次

    {m}：精确匹配m次

    {m,n}：至少m次，至多n次

    {m,}：至少m次

    {0,n}：最多n次

 分组：

     （）：用括号括起来表示要引用的内容，不需要转义

 或者：

      a|b:a或者b