文本處理工具
在linux系統中 文本工具有很多 現在具體介紹幾款 如 抽取文本的工具 和文件三劍客
文件內容:less和 cat
文件截取：head和tail
按列抽取：cut
按關鍵字抽取：grep egrep
首先 有 查看文件的cat tac
cat [OPTION]... [FILE]...
-E: 顯示行結束符$
-n: 對顯示出的每一行進行編號
-A：顯示所有控制符
-b：非空行編號
-s：壓縮連續的空行成一行
tac 與cat 命令 一樣 不過是取反
more: 分頁查看文件
more [OPTIONS...] FILE...
-d: 顯示翻頁及退出提示
less：一頁一頁地查看文件或STDIN輸出 查看時有用的命令包括： /文本 搜索 文本 n/N 跳到下一個 or 上一個匹配 less 命令是man命令使用的分頁器
顯示文本前或後行內容
head head [OPTION]... [FILE]...
-c #: 指定獲取前#字節
-n #: 指定獲取前#行
-#： 指定行數
tail tail [OPTION]... [FILE]...
-c #: 指定獲取後#字節
-n #: 指定獲取後#行 -#：
-f: 跟蹤顯示文件新追加的內容,常用日誌監控
按列抽取文本cut和合並文件paste
cut [OPTION]... [FILE]...
-d DELIMITER: 指明分隔符，默認tab
-f FILEDS: #: 第#個字段 #,#[,#]：離散的多個字段，例如1,3,6 #-#：連續的多個字段, 例如1-6 混合使用：1-3,7 -c 按字符切割 --output-delimiter=STRING指定輸出分隔符
顯示文件或STDIN數據的指定列
cut -d: -f1 /etc/passwd
cat /etc/passwd |cut -d: -f7 cut -c2-5 /usr/share/dict/words
paste 合併兩個文件同行號的列到一行
paste [OPTION]... [FILE]...
-d 分隔符:指定分隔符，默認用TAB
-s : 所有行合成一行顯示
paste f1 f2 paste -s f1 f2
還有一些分析文本工具例如 文本數據統計：wc 整理文本：sort 比較文件：diff和patch
可收集文本統計數據wc
計數單詞總數、行總數、字節總數和字符總數 可以對文件或STDIN中的數據運行 $ wc story.txt 39 237 1901 story.txt 行數 字數 字符數
-l 來只計數行數
-w 來只計數單詞總數
-c 來只計數字節總數
-m 來只計數字符總數
文本排序用到的sort
把整理過的文本顯示在STDOUT，不改變原始文件 $ sort [options] file(s)
常用選項
-r 執行反方向（由上至下）整理
-n 執行按數字大小整理
-f 選項忽略（fold）字符串中的字符大小寫
-u 選項（獨特，unique）刪除輸出中的重複行
-t c 選項使用c做爲字段界定符
-k X 選項按照使用c字符分隔的X列來整理能夠使用多次
uniq的多次性
uniq命令：從輸入中刪除重複的前後相接的行
uniq [OPTION]... [FILE]...
-c: 顯示每行重複出現的次數；
-d: 僅顯示重複過的行；
-u: 僅顯示不曾重複的行； 連續且完全相同方爲重複 常和sort 命令一起配合使用：sort userlist.txt | uniq -c
比較文件時用到的diff
比較兩個文件之間的區別 $ diff foo.conf-broken foo.conf-works 5c5 < use_widgets = no --> use_widgets = yes 註明第5行有區別（改變）
打補丁的patch
diff 命令的輸出被保存在一種叫做“補丁”的文件中
使用 -u 選項來輸出“統一的（unified）”diff格式文 件，最適用於補丁文件。
patch 命令複製在其它文件中進行的改變（要謹慎使用 ！）
適用 -b 選項來自動備份改變了的文件 $ diff -u foo.conf-broken foo.conf-works > foo.patch $ patch -b foo.conf-broken foo.patch
最後壓軸的 文本處理工具三劍客的 grep 以及它的擴展正則表達式 egrep 其他兩劍客分別爲 sed 和awk
grep：文本過濾(模式：pattern)工具; grep, egrep, fgrep（不支持正則表達式搜索）
sed：stream editor，文本編輯工具；
awk：Linux上的實現gawk，文本報告生成器
grep: Global search REgular expression and Print out the line.
作用：文本搜索工具，根據用戶指定的“模式”對目標文 本逐行進行匹配檢查；打印匹配到的行； 模式：由正則表達式字符及文本字符所編寫的過濾條件
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: 對匹配到的文本着色顯示；
-v: 顯示不能夠被pattern匹配到的行；
-i: 忽略字符大小寫
-n：顯示匹配的行號
-c: 統計匹配的行數
-o: 僅顯示匹配到的字符串；
-q: 靜默模式，不輸出任何信息
-A #：after, 後#行
-B #: before, 前#行
-C #：context, 前後各#行
-e：實現多個選項間的邏輯or關係 grep –e ‘cat ’ -e ‘dog’ file
-w：整行匹配整個單詞
-E：使用ERE
正則表達式詳解
REGEXP：由一類特殊字符及文本字符所編寫的模式，其中有 些字符（元字符）不表示字符字面意義，而表示控制或通配 的功能 程序支持：grep, vim, less,nginx等 分兩類： 基本正則表達式：BRE 擴展正則表達式：ERE grep -E, egrep 正則表達式引擎： 採用不同算法，檢查處理正則表達式的軟件模塊 PCRE（Perl Compatible Regular Expressions） 元字符分類：字符匹配、匹配次數、位置錨定、分組
基本正則表達式元字符 字符匹配 匹配次數 和位置錨定以及分組
字符匹配
. ： 匹配任意單個字符；
[] ： 匹配指定範圍內的任意單個字符
[^] ：匹配指定範圍外的任意單個字符
[:digit:] 所有數字
[:lower:] 所有小寫字母
[:upper:] 所有大寫字母
[:alpha:] 所有字母
[:alnum:] 所有的字母和數字
[:punct:] 所有的標點符號
[:space:] 空格和tab
匹配次數：用在要指定次數的字符後面，用於指定前面的字 符要出現的次數
*：匹配前面的字符任意次，包括0次 貪婪模式：儘可能長的匹配
.*：任意長度的任意字符
\?：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
位置錨定：定位出現的位置
^：行首錨定，用於模式的最左側
$：行尾錨定，用於模式的最右側
^PATTERN$: 用於模式匹配整行
^$: 空行 ^[[:space:]]*$ ：空白行
\< 或 \b：詞首錨定，用於單詞模式的左側
\> 或 \b：詞尾錨定；用於單詞模式的右側
\<PATTERN\>：匹配整個單詞
分組：\(\)：將一個或多個字符捆綁在一起，當作一個整體進 行處理，
如：\(root\)\+ 分組括號中的模式匹配到的內容會被正則表達式引擎記錄 於內部的變量中，這些變量的命名方式爲: \1, \2, \3, ... \1: 從左側起，第一個左括號以及與之匹配右括號之間 的模式所匹配到的字符；
實例： \(string1\+\(string2\)*\) \1: string1\+\(string2\)* \2: string2 後向引用：引用前面的分組括號中的模式所匹配字符(而 非模式本身)
egrep及擴展的正則表達式 與基本正則表達式 差不多 只有少數元字符 變得更加簡潔
egrep = grep -E egrep [OPTIONS] PATTERN [FILE...]
擴展正則表達式的元字符：
字符匹配：
. 任意單個字符
[] 指定範圍的字符
[^] 不在指定範圍的字符
次數匹配：
*：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
位置錨定：
^ :行首
\<, \b :語首
\>, \b :語尾
分組： () 後向引用：\1, \2, ...
或者： a|b C|cat: C或cat (C|c)at:Cat或cat
正則表達式 爲本章重點 個人理解 正則表達式不難 難在 正則表達式的靈活 性 需要利用正則表達式 寫出按不同要求的搜索 相對應的 表達式 導致 每個人的方法可能不盡 相同 但結果卻一樣 這正是 正則表達式的精髓所在 可以自由組合 沒有規律可尋 因題而定 還有最最重要的 理解能力
作業
找出/proc/meminfo文件中，所有以大寫或小寫s開頭的行，至少三種方式：
grep -i "^s" /proc/meminfo
grep "^[sS]" /proc/meminfo
grep -E "^(s|S)" /proc/meminfo
電腦演示
[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]#
顯示當前系統上tian1 tian2或者tian3用戶的相關信息
grep -E "^(tian1|tian2|tian3)\>" /etc/passwd
電腦演示
[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文件中行首爲某單詞（包括下劃線）後面跟一個小括號的行
grep -E -o "[_[:alnum:]]+\(\)" /etc/rc.d/init.d/functions
電腦演示
[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命令輸出一絕對路徑，使用egrep取出基名
echo /etc/sysconfig/ | grep -E -o "[^/]+/?$" | cut -d/ -f1
電腦演示
root@localhost Desktop]# echo "/etc/sysconfig/" |grep -oE "[^/]+/?$"
sysconfig/
[root@localhost Desktop]# echo "/etc/sysconfig/" |grep -oE "[^/]+/?$"|cut -d/ -f1
sysconfig
[root@localhost Desktop]#
找出ifconfig命令結果中1-255之間的數值
ifconfig | grep -E -o "\<([1-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\>"
電腦演示
[root@localhost ~]# ifconfig | grep -E -o "\<([1-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\>"
29
67
46
172
18
16
92
172
18
16
255
255
255
255
64
1
62
120
8
5
1
127
1
255
1
128
1
12
12
[root@localhost ~]#
找出ifconfig命令結果中所有IPv4地址
ifconfig | grep -E -o "(\<([1-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\>\.)(\<([0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\>\.){2}\<([0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\>"
電腦演示
[root@localhost ~]# ifconfig | grep -E -o "(\<([1-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\>\.)(\<([0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\>\.){2}\<([0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\>"
172.18.16.92
172.18.16.255
255.255.255.0
127.0.0.1
255.0.0.0
找出/etc/passwd文件中用戶名同shell名的行
grep -E "^([^:]+\>).*\1$" /etc/passwd
電腦演示
[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 ~]#