本文将介绍linux下使用Shell处理文本时最常用的工具：
find、grep、xargs、sort、uniq、tr、cut、paste、wc、sed、awk；
提供的例子和参数都是最常用和最为实用的；
我对shell脚本使用的原则是命令单行书写，尽量不要超过2行；
如果有更为复杂的任务需求，还是考虑python吧；
find 文件查找
find . /( -name "*.txt" -o -name "*.pdf" /) -PRint
find . -regex ".*/(/.txt|/.pdf/)$"
-iregex： 忽略大小写的正则
否定参数
查找所有非txt文本
find . ! -name "*.txt" -print
指定搜索深度
打印出当前目录的文件（深度为1）
find . -maxdepth 1 -type f
定制搜索
按大小搜索：
w字 k M G
寻找大于2k的文件
按权限查找：
删除：
删除当前目录下所有的swp文件：
注：{}是一个特殊的字符串，对于每一个匹配的文件，{}会被替换成相应的文件名；
eg：将找到的文件全都copy到另一个目录：
find . -type f -mtime +10 -name "*.txt" -exec cp {} OLD /;
结合多个命令
tips: 如果需要后续执行多个命令，可以将多个命令写成一个脚本。然后 -exec 调用时执行脚本即可；
-exec ./commands.sh {} /;
-print的定界符
默认使用'/n'作为文件的定界符；
-print0 使用'/0'作为文件的定界符，这样就可以搜索包含空格的文件；
grep 文本搜索
grep match_patten file // 默认访问匹配行
常用参数
-o 只输出匹配的文本行 VS -v 只输出没有匹配的文本行
-c 统计文件中包含文本的次数
在多级目录中对文本递归搜索(程序员搜代码的最爱）：
xargs 命令行参数转换
xargs 能够将输入数据转化为特定命令的命令行参数；这样，可以配合很多命令来组合使用。比如grep，比如find；
cat file.txt| xargs
/n 是多行文本间的定界符
cat single.txt | xargs -n 3
-n：指定每行显示的字段数
-d 定义定界符 （默认为空格 多行的定界符为 /n）
-n 指定输出为多行
-I {} 指定替换字符串，这个字符串在xargs扩展时会被替换掉,用于待执行的命令需要多个参数时
cat file.txt | xargs -I {} ./command.sh -p {} -1
字段说明：
-n 按数字进行排序 VS -d 按字典序进行排序
-r 逆序排序
-k N 指定按第N列排序
eg：
sort -nrk 1 data.txt
sort -bd data // 忽略像空格之类的前导空白字符
uniq 消除重复行
消除重复行
sort unsort.txt | uniq
sort unsort.txt | uniq -c
sort unsort.txt | uniq -d
可指定每行中需要比较的重复内容：-s 开始位置 -w 比较字符数
用tr进行转换
tr压缩字符
tr -s 压缩文本中出现的重复字符；最常用于压缩多余的空格
字符类
tr中可用各种字符类：
alnum：字母和数字
alpha：字母
digit：数字
space：空白字符
lower：小写
upper：大写
cntrl：控制（非可打印）字符
print：可打印字符
使用方法：tr [:class:] [:class:]
截取文件的第2列和第4列：
cut -f2,4 filename
去文件除第3列的所有列：
cut -f3 --complement filename
cat -f2 -d";" filename
N- 第N个字段到结尾
-M 第1个字段为M
N-M N到M个字段
-b 以字节为单位
-c 以字符为单位
-f 以字段为单位（使用定界符）
cut -c1-5 file //打印第一到5个字符
cut -c-2 file //打印前2个字符
paste 按列拼接文本
默认的定界符是制表符，可以用-d指明定界符
paste file1 file2 -d ","
1,colin
2,book
wc 统计行和字符的工具
wc -l file // 统计行数
wc -w file // 统计单词数
wc -c file // 统计字符数
sed 文本替换利器
首处替换
seg 's/text/replace_text/' file //替换每一行的第一处匹配的text
seg 's/text/replace_text/g' file
默认替换后，输出替换后的内容，如果需要直接替换原文件,使用-i：
seg -i 's/text/repalce_text/g' file
sed '/^$/d' file
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]
第一个匹配的括号内容使用标记 /1 来引用
sed 's/hello/([0-9]/)//1/'
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：
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；
eg:
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
awk 数据流处理工具
awk脚本结构
awk ' BEGIN{ statements } statements2 END{ statements } '
工作方式
1.执行begin中语句块；
2.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；
3.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;
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；
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/n 2/n 3/n 4/n" | awk 'BEGIN{num = 0 ;
print "begin";} {sum += $1;} END {print "=="; print sum }'
传递外部变量
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
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；
在awk中使用循环
for(i=0;i<10;i++){print $i;}
for(i in array){print array[i];}
eg:
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
awk 'NR<=10{print}' filename
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
seq 100| awk 'NR==4,NR==6{print}'
确定文本
打印处于start_pattern 和end_pattern之间的文本；
awk '/start_pattern/, /end_pattern/' filename
eg:
seq 100 | awk '/13/,/15/'
cat /etc/passwd| awk '/mai.*mail/,/news.*news/'
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
printf 类似c语言中的printf，对输出进行格式化
eg：
seq 10 | awk '{printf "->%4s/n", $1}'
迭代文件中的行、单词和字符
1. 迭代文件中的每一行
改成子shell:
cat file.txt | (while read line;do echo $line;done)
cat file.txt| awk '{print}'
3. 迭代每一个字符
新闻热点
疑难解答
