linux 中的 文本处理工具

文本处理工具 

在linux系统中 文本工具有很多 现在具体介绍几款 如 抽取文本的工具 和文件三剑客 



文件内容:less和 cat  

文件截取:head和tail  

按列抽取:cut  

按关键字抽取:grep egrep



首先 有 查看文件的cat tac 



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 与cat 命令 一样 不过是取反


more: 分页查看文件 

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 head [OPTION]… [FILE]… 

  -c #: 指定获取前#字节 

  -n #: 指定获取前#行 

  -#: 指定行数 


tail 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


按列抽取文本cut和合并文件paste


  cut [OPTION]… [FILE]… 

  -d DELIMITER: 指明分隔符,默认tab 

  -f FILEDS: #: 第#个字段 #,#[,#]:离散的多个字段,例如1,3,6 #-#:连续的多个字段, 例如1-6 混合使用:1-3,7 -c 按字符切割 –output-delimiter=STRING指定输出分隔符



显示文件或STDIN数据的指定列 

  cut -d: -f1 /etc/passwd 

  cat /etc/passwd |cut -d: -f7 cut -c2-5 /usr/share/dict/words

  

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 

  paste f1 f2 paste  -s f1 f2


还有一些分析文本工具例如 文本数据统计:wc 整理文本:sort 比较文件:diff和patch


可收集文本统计数据wc


计数单词总数、行总数、字节总数和字符总数 可以对文件或STDIN中的数据运行 $ wc story.txt 39 237 1901 story.txt 行数 字数 字符数

   -l 来只计数行数

   -w 来只计数单词总数

   -c 来只计数字节总数

   -m 来只计数字符总数


文本排序用到的sort


把整理过的文本显示在STDOUT,不改变原始文件 $ sort [options] file(s)

常用选项  

  -r 执行反方向(由上至下)整理  

  -n 执行按数字大小整理  

  -f 选项忽略(fold)字符串中的字符大小写  

  -u 选项(独特,unique)删除输出中的重复行

  -t  c 选项使用c做为字段界定符  

  -k  X 选项按照使用c字符分隔的X列来整理能够使用多次



uniq的多次性


uniq命令:从输入中删除重复的前后相接的行

uniq [OPTION]… [FILE]… 

  -c: 显示每行重复出现的次数; 

  -d: 仅显示重复过的行; 

  -u: 仅显示不曾重复的行; 连续且完全相同方为重复 常和sort 命令一起配合使用:sort  userlist.txt  |  uniq -c


比较文件时用到的diff


比较两个文件之间的区别 $ diff foo.conf-broken foo.conf-works 5c5 < use_widgets = no –> use_widgets = yes 注明第5行有区别(改变)


打补丁的patch


 diff 命令的输出被保存在一种叫做“补丁”的文件中  

    使用 -u 选项来输出“统一的(unified)”diff格式文 件,最适用于补丁文件。

    patch 命令复制在其它文件中进行的改变(要谨慎使用 !)  

    适用 -b 选项来自动备份改变了的文件 $ diff -u foo.conf-broken foo.conf-works > foo.patch $ patch -b foo.conf-broken foo.patch 



最后压轴的 文本处理工具三剑客的 grep 以及它的扩展正则表达式 egrep 其他两剑客分别为 sed 和awk


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

sed:stream editor,文本编辑工具;

awk:Linux上的实现gawk,文本报告生成器


grep: Global search REgular expression and Print out the line. 


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…] 

  grep root /etc/passwd grep "$USER"  /etc/passwd 

  grep '$USER'  /etc/passwd grep `whoami`  /etc/passwd


grep 的命令行有 


  –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, 后#行  

  -B #: before, 前#行  

  -C #:context, 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



正则表达式详解


REGEXP:由一类特殊字符及文本字符所编写的模式,其中有 些字符(元字符)不表示字符字面意义,而表示控制或通配 的功能 程序支持:grep, vim, less,nginx等 分两类: 基本正则表达式:BRE 扩展正则表达式:ERE grep -E, egrep 正则表达式引擎: 采用不同算法,检查处理正则表达式的软件模块 PCRE(Perl Compatible Regular Expressions) 元字符分类:字符匹配、匹配次数、位置锚定、分组 


基本正则表达式元字符 字符匹配 匹配次数 和位置锚定以及分组


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 

  [:digit:] 所有数字

  [:lower:] 所有小写字母

  [:upper:] 所有大写字母

  [:alpha:] 所有字母

  [:alnum:] 所有的字母和数字

  [:punct:] 所有的标点符号

  [:space:] 空格和tab



匹配次数: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 贪婪模式: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 

  \+: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 

  \{,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:定位出现的位置 

  ^: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 

  ^$: 空行 ^[[:space:]]*$ :空白行 

  \< 或 \b:词首锚定,用于单词模式的左侧 

  \> 或 \b:词尾锚定;用于单词模式的右侧 

  \<PATTERN\>:匹配整个单词



分组:\(\):将一个或多个字符捆绑在一起,当作一个整体进 行处理,


  如:\(root\)\+ 分组括号中的模式匹配到的内容会被正则表达式引擎记录 于内部的变量中,这些变量的命名方式为: \1, \2, \3, … \1: 从左侧起,第一个左括号以及与之匹配右括号之间 的模式所匹配到的字符; 


实例: \(string1\+\(string2\)*\) \1: string1\+\(string2\)* \2: string2 后向引用:引用前面的分组括号中的模式所匹配字符(而 非模式本身)


egrep及扩展的正则表达式 与基本正则表达式 差不多 只有少数元字符 变得更加简洁 


egrep = grep -E egrep [OPTIONS] PATTERN [FILE…]  

  扩展正则表达式的元字符:  

  字符匹配: 

  . 任意单个字符 

  [] 指定范围的字符 

  [^] 不在指定范围的字符



次数匹配: 

  *:匹配前面字符任意次 

  ?: 0或1次 +:1次或多次 

  {m}:匹配m次 

  {m,n}:至少m,至多n次


位置锚定: 

  ^  :行首 

  \<, \b :语首 

  \>, \b :语尾  

  分组: () 后向引用:\1, \2, …  

  或者: a|b C|cat: C或cat (C|c)at:Cat或cat



正则表达式 为本章重点 个人理解 正则表达式不难 难在 正则表达式的灵活 性 需要利用正则表达式 写出按不同要求的搜索 相对应的 表达式 导致 每个人的方法可能不尽 相同 但结果却一样 这正是 正则表达式的精髓所在 可以自由组合 没有规律可寻 因题而定 还有最最重要的 理解能力 



作业


找出/proc/meminfo文件中,所有以大写或小写s开头的行,至少三种方式:

  grep -i "^s" /proc/meminfo

  grep "^[sS]" /proc/meminfo

  grep -E "^(s|S)" /proc/meminfo


电脑演示


[root@localhost Desktop]# echo "/etc/sysconfig/" |grep -oE "[^/]+/?$"

sysconfig/

[root@localhost Desktop]# echo "/etc/sysconfig/" |grep -oE "[^/]+/?$"|cut -d/ -f1

sysconfig

[root@localhost Desktop]# grep -i '^s' /proc/meminfo 

SwapCached:            0 kB

SwapTotal:       2047996 kB

SwapFree:        2047996 kB

Shmem:              2512 kB

Slab:              87860 kB

SReclaimable:      21188 kB

SUnreclaim:        66672 kB

[root@localhost Desktop]# grep -E '^(S|s)' /proc/meminfo 

SwapCached:            0 kB

SwapTotal:       2047996 kB

SwapFree:        2047996 kB

Shmem:              2512 kB

Slab:              87876 kB

SReclaimable:      21196 kB

SUnreclaim:        66680 kB

[root@localhost Desktop]# grep '^]Ss]' /proc/meminfo 

[root@localhost Desktop]# grep '^[Ss]' /proc/meminfo 

SwapCached:            0 kB

SwapTotal:       2047996 kB

SwapFree:        2047996 kB

Shmem:              2512 kB

Slab:              87860 kB

SReclaimable:      21188 kB

SUnreclaim:        66672 kB

[root@localhost Desktop]# 





显示当前系统上tian1 tian2或者tian3用户的相关信息

  grep -E "^(tian1|tian2|tian3)\>" /etc/passwd 


电脑演示


[root@localhost ~]# cat  /etc/passwd |grep -E "^(tian1|tian2|tian3)\>"

tian1:x:505:505::/home/tian1:/bin/bash

tian2:x:506:506::/home/tian2:/bin/bash

tian3:x:507:507::/home/tian3:/bin/bash





找出/etc/rc.d/init.d/functions文件中行首为某单词(包括下划线)后面跟一个小括号的行

  grep -E -o "[_[:alnum:]]+\(\)" /etc/rc.d/init.d/functions


电脑演示


[root@localhost ~]# grep -E -o "[_[:alnum:]]+\(\)" /etc/rc.d/init.d/functions

fstab_decode_str()

checkpid()

__readlink()

__fgrep()

__kill_pids_term_kill_checkpids()

__kill_pids_term_kill()

__umount_loop()

__umount_loop_2()

__source_netdevs_fstab()

__source_netdevs_mtab()

__umount_loopback_loop()

__find_mounts()

__pids_var_run()

__pids_pidof()

daemon()

killproc()

pidfileofproc()

pidofproc()

status()

echo_success()

echo_failure()

echo_passed()

echo_warning()

update_boot_stage()

success()

failure()

passed()

warning()

action()

action_silent()

strstr()

confirm()

get_numeric_dev()

is_ignored_file()

is_true()

is_false()

apply_sysctl()

key_is_random()

find_crypto_mount_point()

init_crypto()

[root@localhost ~]# 




使用echo命令输出一绝对路径,使用egrep取出基名

  echo /etc/sysconfig/ | grep -E -o "[^/]+/?$" | cut -d/ -f1


电脑演示


root@localhost Desktop]# echo "/etc/sysconfig/" |grep -oE "[^/]+/?$"

sysconfig/

[root@localhost Desktop]# echo "/etc/sysconfig/" |grep -oE "[^/]+/?$"|cut -d/ -f1

sysconfig

[root@localhost Desktop]# 







找出ifconfig命令结果中1-255之间的数值

  ifconfig | grep -E -o "\<([1-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\>"


电脑演示


[root@localhost ~]# ifconfig | grep -E -o "\<([1-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\>"

29

67

46

172

18

16

92

172

18

16

255

255

255

255

64

1

62

120

8

5

1

127

1

255

1

128

1

12

12

[root@localhost ~]# 



找出ifconfig命令结果中所有IPv4地址

  ifconfig | grep -E -o "(\<([1-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\>\.)(\<([0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\>\.){2}\<([0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\>"


电脑演示


[root@localhost ~]# ifconfig | grep -E -o "(\<([1-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\>\.)(\<([0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\>\.){2}\<([0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\>"

172.18.16.92

172.18.16.255

255.255.255.0

127.0.0.1

255.0.0.0



找出/etc/passwd文件中用户名同shell名的行

  grep -E "^([^:]+\>).*\1$" /etc/passwd


电脑演示



[root@localhost ~]# grep -E "^([^:]+\>).*\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

[root@localhost ~]# 
















原创文章,作者:a1215276209,如若转载,请注明出处:http://www.178linux.com/33224

(0)
上一篇 2016-08-11 09:39
下一篇 2016-08-11 20:48

相关推荐

  • N26-第二周作业

    linux上的文件管理命令:     1. cp命令:         作用:复制文件或目录         单文件复制:    …

    Linux干货 2017-02-15
  • 集群基本介绍

    Linux Cluster: Cluster:计算机集合,为解决某个特定问题组合起来形成的单个系统; Linux Cluster类型: LB:Load Balancing,负载均衡;主机来平均访问的压力。由负载均衡器和多个后端主机分担主。 HA:High Availiablity,高可用,靠冗余节点实现;提高服务的可用性,有多个负载均衡器(和备份)来接收来自…

    Linux干货 2016-10-30
  • 马哥教育N22期第七周作业

    1、创建一个10G分区,并格式为ext4文件系统; [root@localhost xuc]# cat /proc/partitions  major minor  #blocks  name    8   &…

    Linux干货 2016-10-24
  • 冥界之王-第8周作业

       1、请描述网桥、集线器、二层交换机、三层交换机、路由器的功能、使用场景与区别。     网桥:网桥(Bridge)是早期的两端口二层网络设备,用来连接不同网段。网桥的两个端口分别有一条独立的交换信道,        &nbs…

    Linux干货 2016-10-23
  • 作业–文本处理工具

    1、找出ifconfig命令结果中本机的所有IPv4地址。 [root@liang ~]# ifconfig        #centos6下 eth0      Link encap:Et…

    Linux干货 2016-08-10