200字
文本处理四剑客
2025-11-26
2025-11-26
Linux

文本处理四剑客

命令grep：作用是对文本的行基于**模式(正则表达式)**进行过滤

命令sed：stream editor，文本编辑工具

命令awk：Linux上的实现gawk，文本报告生成器

文本处理四剑客之 grep

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(模式就是正则表达式)

官方帮助文档：https://man7.org/linux/man-pages/man1/grep.1.html

常用选项
-E		#扩展正则，也可以使用egrep
-o		#只显示匹配到的内容
-e		#实现多个匹配项的拼接(或关系)
-n		#显示匹配的行号
-r		#递归处理，但不处理软链接
-l		#不显示具体匹配到的内容，只显示匹配到的文件名
-i		#忽略字符大小写

grep [选项] 模式 <文件>
#选项
-E							#使用扩展正则表达模式(ERE)，相当于使用egrep指令
-F							#不支持正则表达式，相当于fgrep(将模式认为成字符串)
-G							#将样式视为普通的表示法来使用
-P							#支持Perl格式的正则表达式
-e							#实现多个选项间的逻辑or关系。即将多个模式拼接在一起
-f							#从文件中读取匹配规则，每行一条
-i							#忽略字符的大小写
-w							#匹配整个单词
-x							#整行匹配
-s							#不显示错误信息
-v							#显示没有被匹配上的行，即取反
-B|--before-context=N		#显示匹配到的字符串所在的行及其前N行
-A|--after-context=N		#显示匹配到的字符串所在的行及其后N行
-C|--context=N				#显示匹配到的字符串所在的行及其前后各N行
-N							#与-C相同。匹配字符串所在行的前后各N行
--color=auto				#对匹配到的内容高亮显示[always|never|auto]
-m|--max-count=N			#只匹配N行。是行数不是次数。
-b|--byte-offset			#显示匹配行第一个字符的编号
-n|--line-number			#显示匹配的行号
-H|--with-filename			#显示匹配行所在的文件名
-h|--no-filename			#不显示匹配行所在的文件名
-o|--only-matching			#仅显示匹配到的字符串
-q|--quiet|--silent			#静默模式，不输出任何信息，但结果可以从变量$0拿
--binary-files=TYPE			#指定二进制文件类型[binary|text|without-match]
-a|--text					#同 --binary-files=text
-I							#同 --binary-files=without-match
-d|--firectories=ACTION		#怎样查找目录 [read|recurse|skip]
-D|--devices=ACTION			#怎样查找设备文件 [read|skip]
-r|--recursive				#递归目录，但不处理软链接
-R|--dereference-recursive	#递归目录，会处理软链接
-L|--files-without-match	#显示没有匹配上的文件名，只显示文件名
-l|--files-with-matches		#显示匹配上的文件名，只显示文件名
-c|--count					#统计匹配的行数。一行也可以被匹配多次

文本处理四剑客之 sed

sed的工作原理

sed 即 Stream EDitor，和 vi 不同，sed是行编辑器

image-20241102141949978

image-20241102142421960

​ sed是从文件或管道中读取一行，处理一行，输出一行；再读取一行，再处理一行，再输出一行，直到最后一行。

​ 每当处理一行时，把当前处理的行存储在临时缓冲区 模式空间(Pattern Space)中，接着用sed命令处理缓冲区中的内容，处理完后，把缓冲区的内容送往屏幕。接着处理下一行，这样不断重复，直到处理完文件内容。

​ 一次处理一行的设计模式使得sed性能很高，sed在读取大文件时不会出现卡顿的现象。

​ 如果使用vi命令打开大文件，则会出现明显的卡顿现象，这是因为vi命令打开文件是一次性将文件加载到内存中，再一并打开。

​ sed就避免了这种情况，一行一行的处理。所以体感就会打开非常快，执行速度也很快。

相关文档：

sed主要用来自动编辑一个或多个文件，具体作用如下：

  • 可对文件添加数据的能力（增）
  • 可对文件删除数据的能力（删）
  • 可对文件修改数据的能力（改）
  • 可对文件查询数据的能力（查）

sed的命令选项

sed [选项] {模式} <文件>
#选项
-n					#关闭sed的默认全文输出。只输出script处理过的信息(使用p参数后才有)
-e					#指定多个script指令，多点匹配
-f					#从指定文件中读取script指令
-r					#识别扩展正则表达式
-i<备份后缀名>		#直接对原文本编辑。同时备份原文件(例如.bak)

sed 处理指令

#处理指令
p				#输出script处理的数据行
Ip				#I参数忽略过滤信息时的大小写
d				#删除模式匹配到的行
a\				#在模式匹配到的行后面追加信息。再处理下一行
i\				#在模式匹配到的行前面追加信息。再处理下一行
c\				#替换匹配到的整行信息
w file			#保存模式匹配到的行至指定文件(如果文件已存在会)
r file			#在模式匹配到的行后将文件的文本内容插入进去
=				#只显示模式匹配到的行号
!				#取反
;				#同参数-e

​ 模式的格式：s/regexp/replacement/修饰符，支持使用其它分隔符。例：s###，s@@@

#修饰符
无修饰符		#只替换每一行第一个匹配到的文本
g			#行内全面替换，不输出文本，Ng表示替换匹配到的前N行
p			#打印替换后的文本
w			#将替换后的信息写入一个文件
I			#匹配时忽略字母大小写

sed 处理地址

#处理地址
无地址						#对文件全文处理
n						#指定第几行处理
$						#处理文件最后一行
/regexp/				#正则匹配，匹配到的文本才处理。加上-r参数时，将支持扩展正则表达式
n,m						#范围匹配，指定只对n行到m行的文本处理
n,+m					#范围匹配，指定只对n行到n+m行文本处理
/regexp1/,/regexp2/		#范围匹配，指定只对regexp1匹配到行到regexp2匹配到行间进行处理
m,/regexp/				#范围匹配，指定只对n行到regexp匹配到的行进行处理
n~m						#步长匹配，1~2表示从第一行开始，步长为2的跳跃(即1,3,5,7,9...)

sed 高级用法

​ sed 中除了模式空间，另外还支持保持空间(Hold Space)，利用此空间，可以将模式空间中的数据，临时保存至保持空间，从而后续接着处理，实现更为强大的功能。

image-20241102144051844

常见的高级命令

P		打印模式空间开端至第一个换行符\n的内容，并追加到默认输出之前
h		把模式空间中的内容覆盖至保持空间中
H		把模式空间中的内容追加至保持空间中
g		从保持空间去除数据覆盖至模式空间
G		从保持空间取出内容追加至模式空间
x		把模式空间中的内容与保持空间中的内容进行互换
n		读取匹配到的行的下一行覆盖至模式空间
N		读取匹配到的行的下一行追加至模式空间
d		删除模式空间中的行
D		如果模式空间包含换行符，则删除直到第一个换行符的模式空间中的文本，并不会读取新的输入行，而使用合成的模式空间重新启动循环。如果模式空间不包含换行符，则会像发出d命令那样启动正常的新循环

文本处理四剑客之 awk

​ awk是由Aho，Weinberger，Kernighan三人打造的报告生成器。也可称作格式化文本输出。GNU/Linux发布的AWK目前由自由软件基金会(FSF)进行开发维护，通常也称为GNU AWK。

awk有多种版本

  • AWK：原先来源于AT & T实验室(贝尔实验室)的AWK
  • NAWK：New awk，是AWK的升级版
  • GAWK：即GNU AWK。所有的GNU/Linux发布版都自带GAWK，它与AWK和NAWK完全兼容

GNU AWK 用户手册文档：gnu文档链接

gawk：模式扫描和处理语言，可以实现以下功能。

  • 文本处理
  • 输出格式化的文本报表(这也是为什么实验室会制作这样一个工具)
  • 执行算术运算
  • 执行字符串操作
# centos7中的gawk
[root@centos7 ~]#ll `which awk`
lrwxrwxrwx. 1 root root 4 10月 18 2021 /usr/bin/awk -> gawk

[root@centos7 ~]#rpm -qi gawk
Name        : gawk
Version     : 4.0.2
Release     : 4.el7_3.1
Architecture: x86_64
Install Date: 2021年10月18日 星期一 21时16分05秒
Group       : Applications/Text
Size        : 2435978
License     : GPLv3+ and GPL and LGPLv3+ and LGPL and BSD
Signature   : RSA/SHA256, 2017年06月29日 星期四 20时40分38秒, Key ID 24c6a8a7f4a80eb5
Source RPM  : gawk-4.0.2-4.el7_3.1.src.rpm
Build Date  : 2017年06月29日 星期四 05时52分50秒
Build Host  : c1bm.rdu2.centos.org
Relocations : (not relocatable)
Packager    : CentOS BuildSystem <http://bugs.centos.org>
Vendor      : CentOS
URL         : http://www.gnu.org/software/gawk/gawk.html
Summary     : The GNU version of the awk text processing utility
Description :
The gawk package contains the GNU version of awk, a text processing
utility. Awk interprets a special-purpose programming language to do
quick and easy text pattern matching and reformatting jobs.

Install the gawk package if you need a text processing utility. Gawk is
considered to be a standard Linux tool for processing text.

awk语法说明

# 语法格式
awk [选项] '程序' 文件名(可接多个)

-F     # fs指定输入分隔符，默认分隔符是匹配连续的空白符。支持正则匹配进行分割。如-F:

文本处理四剑客之 find

与find相似的还有一个locate。

find的特点

  • 查找速度略慢
  • 精确查找
  • 实时查找
  • 查找条件丰富
  • 只能搜索用户具备读取和执行权限的目录
find [选项] [查找路径] [查找条件] [处理动作]

#查找路径：指定具体目标路径；默认为当前目录
#查找条件：指定的查找标准，可以是文件名、大小、类型、权限等标准进行；默认为找出指定路径下的所有文件
#处理动作：对符合条件的文件做操作，默认输出至屏幕

指定搜索目录的层级

-maxdepth N			#最大搜索的目录深度，指定目录下的文件为第1级
-mindepth N			#最小搜索的目录深度

先处理文件再处理目录

-depth				#先处理文件

根据文件名和inode号查找

-name name			#支持使用通配符。如: *, ?, [], [^],通配符要加双引号引起来
-iname name			#不区分字母大小写
-inum number		#按inode号查找
-samefile name		#相同inode号的文件(后面接的文件如果不在当前目录下也需要指定路径)
-links n			#链接数为n的文件
-regex "PATTERN"	#以 正则表达式 来匹配整个文件路径，不只有文件名称

根据属主或属组查找

-user USERNAME		#查找属主为指定用户(UID)的文件
-group GRPNAME		#查找属组为指定组(GID)的文件
-uid UserID			#查找属主为指定的UID号的文件
-gid GroupID		#查找属组为指定的GID号的文件
-nouser				#查找没有属主的文件
-nogroup			#查找没有属组的文件

根据文件类型查找

-type TYPE			#指定文件类型查找

#TYPE 值
f		#普通文件
d		#目录文件
l		#符号链接文件
s		#套接字文件
b		#块设备文件
c		#字符设备文件
p		#管道文件

空文件或目录

-empty				#空文件或空目录

组合条件

-a					#与，多条件默认就是与关系。可省略
-o					#或
-not|!				#非

排除目录

-prune				#跳过，排除指定目录，必须配合 -path使用

根据文件大小来查找

-size [+|-]N UNIT	# N为数字，UNIT为常用单位。k，M，G，c(byte)等
# 10k 表示(9k,10k],大于9k且小于或等于10k
# -10k 表示[0k,9k],大于等于0k且小于或等于9k
# +10k 表示(10k,∞)，大于10k

根据时间戳

# 以天为单位
-atime [+|-]N
-mtime [+|-]N
-ctime [+|-]N

#以分钟为单位
-amin [+|-]N
-mmin [+|-]N
-cmin [+|-]N

# 解释
N	#表示[N,N+1)，大于或等于N，小于N+1。表示第N天(或分钟)
+N	#表示[N+1,∞)，大于或等于N+1，表示N+1天之前(包括N+1天)
-N	#表示[0,N)，大于或等于0，小于N，表示N天(分钟)内

根据权限查找

-perm [/|-]MODE

MODE	#精确权限匹配
/MODE	#任何一位(u,g,o)对象的权限与设定的匹配(最低匹配一位)即可。表示或者(or)的关系
-MODE	#每一类对象都必须同时拥有指定的权限。可以多，但不能少。表示与(and)关系

#MODE即是数字权限表示法。例：644

#注：如果权限位上设置的值是0，则表示不关注该角色权限

正则表达式

-regextype type		#正则表达式类型。如果想使用扩展正则一定要使用

-regex pattern		#正则表达式


# find 中的正则表达式类型
emacs				#默认的类型。但与常用的正则表达式区别较大(GNU Emacs 风格)
posix-awk			#类似awk命令。是 posix awk 风格正则
posix-basic			#基本正则表达式(类似grep sed等不带选项的状态)
posix-egrep			#扩展正则表达式
posix-extended		#扩展正则表达式

处理动作

-print				#默认的处理动作，显示至屏幕
-print0				#不换行输出，常用于配合xargs
-ls					#对查找到的文件执行"ls -ils"命令格式输出(长格式输出)
-fls file			#查找到的所有文件的长格式信息保存至指定文件中
-delete				#删除查找到的文件(谨慎使用)

-ok COMMAND {} \;	#对查找到的 每个文件 执行COMMAND命令。但每个文件在执行前会先询问
-exec COMMAND {} \;	#对查找到的每个文件执行COMMAND命令。但不会询问

{}					#用于引用查找到的文件名称自身(放在命令的参数位置)
终端管理
文本处理工具

评论

© 不存在的博客. All Rights Reserved. / RSS / Sitemap
Powered by Halo & Theme-Fuwari