文本_bash笔记4 | 黯羽轻扬

grep

用于文本搜索，匹配文件内容，语法格式为：grep pattern filename，例如：

# 找出所有含有for的行
grep 'for' test.sh
# 对多个文件进行搜索
grep 'for' test.sh bak.sh
# 高亮匹配部分
grep 'for' test.sh --color=auto

默认是通配符匹配，正则表达式需要开启参数E(extended)：

# 找出所有以echo开头的行
grep -E '^\s*echo' test.sh

或者使用默认允许正则表达式的egrep命令：

# 同上
egrep '^\s*echo' test.sh

其它选项及特性：

# 只输出匹配部分
grep -o -E '\s[a-zA-Z]\s' test.sh
# 只输出不匹配的行（反选）
grep -v -E '\s[a-zA-Z]\s' test.sh
# 统计匹配行数
grep -c -E '\s[a-zA-Z]\s' test.sh
# 统计匹配项数
grep -o -E '\s[a-zA-Z]\s' test.sh | wc -l
# 输出匹配行及其行号
grep -n -E '\s[a-zA-Z]\s' test.sh
# 输出匹配项所在的文件名（反选是L）
grep -l 'return' test.sh bak.sh return.sh
# 递归搜索目录，输出文件名及行号
grep -n -R  'echo' .
# 忽略大小写
grep -i "ECho" test.sh
# 目录搜索限定文件名格式
# 注意include参数的值必须用引号包起来，与find命令不同
grep -R '=>' . --include '*.jsx}'
# 目录搜索排除特定格式文件名、目录
grep -R '' . --exclude '*.md' --exclude-dir 'node_modules'
# 输出\0作为终结符，一般配合-l只输出文件名，再xargs -0传递给后续命令
grep "echo" . -R -l -Z | xargs ls -l
# 静默匹配，不向stdin输出任何东西，匹配成功返回0
if echo ' abcd' | grep -q -E '^\s*abc'; then echo 'starts with abc'; fi

除了定位匹配项，还可以输出匹配项的上下文：

# 输出匹配行及后续2行
seq 10 | grep '4' -A 2
# 输出匹配行及之前2行
seq 10 | grep '4' -B 2
# 输出匹配行及前后各2行
seq 10 | grep '4' -C 2

cut

有3种切分方式：-c按字符切分，-f按字段切分，-b按字节切分

按字符切分：

# 切出每行第3个字符到第5个字符
echo $'1 2 3 4\n5 6 7 8' | cut -c 3-5
# 第3个字符到行尾
echo $'1 2 3 4\n5 6 7 8' | cut -c 3-
# 第5个字符及之前
echo $'1 2 3 4\n5 6 7 8' | cut -c -5

按字段（列）切分，把一列当做一个字段，类似于awk，提取指定的列：

echo $'1 2 3 4\n5 6 7 8' | cut -d ' ' -f 1,3

注意：一个非常重要的问题是分界符，默认是制表符（Ctrl + v再tab），-d选项指定其它字符，只能是单字符，不好用（无法应对多空格的情况，只适用于单字符分隔的内容）

例如切出ps结果中的PID和CMD列：

# awk完美解决问题
ps | awk '{print $1,$4}'
# cut不好用
# 默认按制表符cut无效
ps | cut -f 1,4
# 指定空格cut结果不对
ps | cut -d ' ' -f 1,4

按字节切分，默认会忽略多字节字符边界：

# 默认跨字符切分，汉字被切坏了
echo "想做个好人" | cut -b 2-4
# -n选项不分割多字节字符，得到`想`
echo "想做个好人" | cut -n -b 2-4

sed

stream editor，非交互式的编辑器，常用的文本处理工具，最常用的功能是文本替换：

# 删除行开头的空白字符
echo $' \t  我想左对齐' | sed  $'s/^[[:space:]]*\t*//g'

另一个常用功能是文件原地替换（替换并把结果写入原文件）：

# 把test.txt里所有的单词替换为[word]
echo $'this is a new file\nnext line' > test.txt
sed -i '' -E 's/[[:alpha:]]{1,}/[word]/g' test.txt

P.S.Mac下sed -i文件原地替换必须指定备份文件名（虽然可以是空串），另外，Mac下的sed与GUN sed差异非常大，比如没有+、?，没有\b等等，更多差异请查看Differences between sed on Mac OSX and other “standard” sed?

一般定界符是/，也可以是任意符号：

# 分号
echo $'\t\t\t我想左对齐' | sed $'s;^\t*;;'
# Mac下甚至可以是`|`
echo $'\t\t\t我想左对齐' | sed $'s|^\t*||'
# 没有分界含义的定界符需要转义
echo '&amp;c' | sed -E 's;&[[:alpha:]]{1,}\;;\&;'

其它常用选项：

# /pattern/d删除匹配的行
sed '/^$/d' test.sh
# &表示本次匹配部分
echo 'abc de' | sed -E 's/[[:alpha:]]{1,}/[&]/g'
# \123..反向引用
echo 'aabcc' | sed 's/\([[:alpha:]]\)\1/[\1x2]/g'
# sed 'expr1; expr2...'顺序应用多个正则，效果等价于管道
echo 'aabcc' | sed 's/\([[:alpha:]]\)\1/[\1x2]/g;s/\].*\[/][/'

注意：反向引用例子中的捕获括号必须转义

awk

通常被用于按列提取，例如：

# 文件名
ps | awk '{print $1, $4}'

非常强大，可以对列和行进行操作，一般格式如下：

awk 'BEGIN{ print "start" } pattern1{ command } END{ print "end" }' file

BEGIN、END和模式块都是可选的，先执行BEGIN块，然后从输入内容中读取一行，依次执行各个模式块，直到所有内容读取完毕，然后执行END块

pattern也是可选的，不提供表示对每行无条件执行块中的语句，例如：

# 原样输出
echo $'1 2\n3 4' | awk '{print}'
# 统计行数
echo $'1 2\n3 4' | awk 'BEGIN{lineCount=0} {let lineCount++} END{print lineCount}'

print比较特殊，空格分隔的参数输出时会被连接起来，逗号分隔参数输出时会用空格分隔开，例如：

# 输出123
echo '' | awk '{print 1 2 3}'
# 输出1 2 3
echo '' | awk '{print 1,2,3}'
# 输出1-2-3
echo '' | awk '{print 1"-"2"-"3}'

内置变量

awk里有一些特殊的内置变量：

NR：number of records，当前行号
NF：number of fields，当前行字段数
$0：当前行文本内容
$123…：当前行第n个字段的文本内容

所以有更简单的统计行数的方式：

echo $'1 2\n3 4' | awk 'END{print NR}'

每读一行更新NR，执行到END块时就是总行数

注意：awk里取变量值不需要通过$取值，无论是内置变量还是自定义变量

传递外部变量

awk里不能直接使用外部变量，需要传递进来：

# 输出空
x=3; echo '' | awk '{print x}'
# 输出3
x=3; echo '' | awk -v x=$x '{print x}'

传递多个外部变量有更简单的方式：

# 输出3 4 5
x=3; y=4; z=5; echo '' | awk -v x=$x -v y=$y -v z=$z '{print x,y,z}'
# 简单方式
x=3; y=4; z=5; echo '' | awk '{print x,y,z}' x=$x y=$y z=$z

以键值对方式紧跟在语句块后面，作为命令行参数传入

getline

一般用来读取下一行，用法如下：

# 输出第一行
echo $'1 2\n3 4' | awk 'BEGIN{getline line; print line}'
# 跳过第一行（把第一行的total xxx丢弃了）
ls -l | awk 'BEGIN{getline} {print $0}'

不带参数的getline会更新$0123...（带参数的不会），例如：

# 带参数的不更新字段变量
echo $'1 2\n3 4' | awk 'BEGIN{print $0; getline line; print $0}'
# 不带参数的会更新字段变量
echo $'1 2\n3 4' | awk 'BEGIN{print $0; getline; print $0}'

执行其它命令

在awk中执行其它命令也比较特殊：

# $0是md5 test.sh的输出结果
echo '' | awk '{"md5 test.sh" | getline; print $0}'
# 或者
echo '' | awk '{"md5 test.sh" | getline md5; print md5}'

循环、条件

在awk中可以使用C语言风格的循环、条件等结构：

# while循环
seq 10 | awk 'BEGIN{while (getline){print $0}}'
# for循环
seq 10 | awk 'BEGIN{for(i=0; i<10; i++){getline; print $0}}'
# 条件语句
seq 10 | awk 'BEGIN{for(i=0; i<10; i++){getline; if ($1 % 2) {print $0}}}'

这些特性让awk变得很强大，逐行处理文件非常便捷

P.S.更多语句结构，及内置函数请查看man awk

其它选项

常用的选项：

# 指定定界符，默认是空格
echo 'a;b;c' | awk -F ';' '{print $2}'
# 或者
echo 'a;b;c' | awk 'BEGIN{FS=";"} {print $2}'
# 指定输出定界符
echo 'a b c' | awk 'BEGIN{OFS="\t"} {print $1,$2,$3}'
# 模式过滤
# 行号小于2
echo $'1 2\n3 4' | awk 'NR < 2{print $0}'
# 行号在2到4之间
seq 10 | awk 'NR==2,NR==4{print $0}'
# 匹配正则表达式
echo $'1 2\n3 4' | awk '/^3/{print $0}'

处理文件内容

逐行读取：

# 输入重定向
while read line; do echo $line; done < test.sh
# 或者子shell
cat test.sh | (while read line; do echo $line; done)

读取一行中的各个字段：

line='1 2 3 4'; IFS=' '; for field in $line; do echo $field; done

读取一个字段中的每个字符：

field='word'; for ((i=0;i<${#field};i++)) do echo ${field:i:1}; done

这里用到一个子串截取的技巧${field:i:1}，格式为${var:start_index:length}，起点可以是负数，表示倒数：

# 截取最后2个字符
field='abcdef'; echo ${field:(-2):2}

P.S.shell的这些字符串处理支持确实强大到没朋友

paste

按列拼接文本内容，cat按行拼接，paste可以按列拼接：

seq 3 > no.txt
echo $'吃饭\n睡觉\n打豆豆' > action.txt
# 按行拼接
cat no.txt action.txt
# 按列拼接
paste no.txt action.txt

paste结果如下：

# paste no.txt action.txt | sed -n l
1\t吃饭$
2\t睡觉$
3\t打豆豆$

默认定界符用制表符，可以用-d选项指定其它定界符：

# 拼接结果用分号分隔
paste -d ';' no.txt action.txt | sed -n l