Linux 命令行文本处理(sed/awk/grep…)

sort

-d 按照字典排序(默认)
-n 按照数字大小排序
-f 忽略大小写
-g 按照浮点数排序
-M 按照 Jan Feb 等排序

-r 逆序
-k 指定第 k 列排序 -t 指定分隔符
-b 忽略行首空格字符
-m 把两个已经排序的文件合并

uniq 合并重复

uniq 命令假定文件是已经排序的,因此基本要接着 sort 使用

  • sort unsorted.txt | uniq 删除重复行
  • sort unsorted.txt | uniq -c 统计行数
  • sort unsorted.txt | uniq -d 只显示重复行 -u 只显示不重复行

tr 翻译指令

tr “source” “target” 如果目标字符串太短的化,使用最后一个字符填充
tr -d “source” remove
tr -s “source” squeeze extra characters, useful for piping to cut
-c 参数对第一个字符串的补集
可以使用区间 a-z 0-9 等
还可以使用字符类 [:class:]

  • 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

cut 选取某一列 sort
有三种模式 -b 按字节 -c 按字符 -f 按域 -d 指定分隔符
选取的列可以使用:

  • i 第 i 行
  • a,b i 行和 j 行
  • a-b 第 i 到 j 行

–completment 选取补集
–output-delimiter 输出

wc

统计单词 -c 字符数 -w 单词数 -l 行数

nl

给每行添加行号 -ba 所有行

paste

按列合并文本

xargs

xargs reformat the data it received and give it to next command. xargs squish all parameters into one line

-d set delemeters
-t 回显命令
-I 执行指定的 Instruction,需要指定操作符
如 ls *.md | xargs -t -I “%” cp “%” markdown/
-n output with n args on one line

regular expression in shell

|Commands|BRE|ERE|PCRE|
|——–|—|—|—-|
|sed ||-E/-r||
|awk||
||
|grep||-E|-P|
|find||
| |

Sed

Basic format

sed options script file

by default, sed uses BRE, but you probably want sed -E to enable ERE, see http://liujiacai.net/blog/2014/12/07/regexp-favors/. basically, sed works line by line and do transformation

s for substitution

sed s/day/night/OPTION OLDFILE > NEWFILE

默认只替换第一处出现,/g 替换所有

/ 只是默认的分隔符,可以任意使用,推荐使用:

使用 & 作为匹配到的字符,使用 \1 \2 来表示匹配到的分组,这种表达方式倒是和 pcre 有些类似

使用 -r(linux) 或者 -E(mac) 才能够使用扩展的 posix 正则,一定要带上这两个

OPTION

处理命令行输入输出的时候可能经常需要 trim, 尤其是字符串带了、n 的情况

sed -n ‘s/PATTERN/&/p’ file

sed ‘/PATTERN/p’ file

Options

-i  inplace
-i.bak  inplace with backup
-E/-r   use ERE

script

sed command syntax: option/pattern/command parameters
pattern selects lines and do command with parameters on those lines

awk

basic usage

gawk options program varlist file

gawk, like sed, is also line-oriented

vaiables

$0 the whole line
$1…$n word in line
NR number of rows
NF number of fileds

awk program

awk ‘BEGIN{ } pattern { } END { }’ file
BEGIN in used for initilization, and END is used to print out the result, pattern {} is run against each line

awk ‘pattern’ file
print lines with the pattern

grep

grep pattern file1 file2...
grep pattern *
grep pattern -r <dir>

force grep to show file name:
grep pattern file /dev/null

options

-v invert search
-r/-R recursively
-c count matching lines
-o printing matched part in differnet lines
-b -o output offset
-n with line numbers
-i ignore case
-l list matched files
-f pattern from
–include include files for grep
-Z use \0 as delemeter
-q no output only return value
-A n lines after
-B n lines before
-C n lines combined

ag

按文件过滤,支持多种文件类型,可以用ag --list-file-types查看支持的类型

及时获取更新,请关注公众号“爬虫技术学习(spider-learn)”

公众号“爬虫技术学习(spider-learn)”

About 逸飞

后端工程师

发表评论

电子邮件地址不会被公开。 必填项已用*标注