Linux的文本处理工具浅谈
awk 老大
【功能说明】
用于文本处理的语言（取行，过滤），支持正则
NR代表行数，$n取某一列，$NF最后一列
NR==20,NR==30 从20行到30行
FS竖着切，列的分隔符
RS横着切，行的分隔符
【语法格式】
awk [–F] [“[分隔符]”] [’{print$1，$NF}’] [目标文件]
awk 'BEGIN{FS="[列分隔符]+";RS="[行分隔符]+";print "-GEGIN-"} NR==n{动作} END{print "-END-"}' xxx.txt
【内置变量】
$n 当前记录的第n个字段，字段间由 FS分隔。
$0 完整的输入记录。
ARGC 命 令行参数的数目。
ARGIND 命令行中当前文件的位置(从0开始算)。
ARGV 包 含命令行参数的数组。
CONVFMT 数字转换格式(默认值为%.6g)
ENVIRON 环 境变量关联数组。
ERRNO 最后一个系统错误的描述。
FIELDWIDTHS 字 段宽度列表(用空格键分隔)。
FILENAME 当前文件名。
FNR 同 NR，但相对于当前文件。
FS 字段分隔符(默认是任何空格)。
IGNORECASE 如 果为真，则进行忽略大小写的匹配。
NF 当前记录中的字段数。
NR 当 前记录数。
OFMT 数字的输出格式(默认值是%.6g)。
OFS 输 出字段分隔符(默认值是一个空格)。
ORS 输出记录分隔符(默认值是一个换行符)。
RLENGTH 由 match函数所匹配的字符串的长度。
RS 记录分隔符(默认是一个换行符)。
RSTART 由 match函数所匹配的字符串的第一个位置。
SUBSEP 数组下标分隔符(默认值是\034)。
【运算符】
= += -= *= /= %= ^= **= 赋值
?: C条件表达式
|| 逻 辑或
&& 逻辑与
~ ~! 匹 配正则表达式和不匹配正则表达式
< <= > >= != == 关 系运算符
空格 连接
+ - 加，减
* / & 乘，除与求余
+ - ! 一元加，减和逻辑非
^ *** 求幂
++ -- 增加或减少，作为前缀或后缀
$ 字 段引用
in 数组成员
【字符串函数】
sub 匹配记录中最大、最靠左边的子字符串的正则表达式，并用替换字符串替换这些字符串。如果没有指定目标字符串就默认使用整个记录。替换只发生在第一次匹配的 时候
gsub 整个文档中进行匹配
index 返回子字符串第一次被匹配的位置，偏移量从位置1开始
substr 返回从位置1开始的子字符串，如果指定长度超过实际长度，就返回整个字符串
split 可按给定的分隔符把字符串分割为一个数组。如果分隔符没提供，则按当前FS值进行分割
length 返回记录的字符数
match 返回在字符串中正则表达式位置的索引，如果找不到指定的正则表达式则返回0。match函数会设置内建变量RSTART为字符串中子字符串的开始位 置，RLENGTH为到子字符串末尾的字符个数。substr可利于这些变量来截取字符串
toupper和tolower 可用于字符串大小间的转换，该功能只在gawk中有效
【字符串函数】
atan2(x,y) y,x 范围内的余切
cos(x) 余弦函数
exp(x) 求 幂
int(x) 取整
log(x) 自然对 数
rand() 随机数
sin(x) 正弦
sqrt(x) 平 方根
srand(x) x是rand()函数的种子
int(x) 取 整，过程没有舍入
rand() 产生一个大于等于0而小于1的随机数
【使用范例】
1、只查看 ett.txt 文件（共 100 行）内第 20 到第 30 行的内容
awk ‘NR>19&&NR<31’ ett.txt
awk ‘{ if (NR>19&&NR<31) print $0}’ ett.txt
2、给文件内容加行号
awk ‘{print NR,$0}’ /etc/inittab
3、输出第24行并且加行号
awk ‘NR==24 {print NR,$0}’ /etc/inittab
4、标准写法
awk -F '[ :]+' 'NR==2{print $(NF-1)}' /etc/passwd
相当于 awk 'BEGIN{FS="[ :]+"}NR==2{print $(NF-1)}' /etc/passwd
awk 'BEGIN{RS="/"} {print $0}' /etc/passwd
5、以一个或多个/为行的分割符，打印第二行的第二列，列的分隔符为默认的空格,并打印行号
awk 'BEGIN{RS="[/]+"} NR==2{print NR,$2}' test
awk支持正则：
6、以：为分隔符，打印第5列以s开头的一整行
awk -F ":" '$5~/^s/{print $0}' /etc/passwd
7、以/为分隔符，匹配倒数第二行的s或者没有s后面是bin的整行
awk -F "/" '$(NF-1)~/(s|)bin/' /etc/passwd
8、匹配第一列以ssh或者ftp或mysql开头或者结尾的行
awk '$1~/^(ssh|ftp|mysql)$/{print $1,$2}' /etc/services
9、输出结果6 0 1 2
echo "6@@@@@@@@@@@@@@@0=============1##############2" |awk -F '[@=#]+' '{print $1,$2,$3,$4}'
10、
awk 'BEGIN{print "---BEGIN---"} NR==2{print $2} END{print "---END----"}' xxx.conf
11、awk统计百分比的问题
例一：
日志样子举例如下：
http://youku.com 200
http://youku.com 302
http://youku.com 403
http://youku.com 502
http://baidu.com 302
http://baidu.com 404
http://youku.com 200
http://youku.com 302
http://youku.com 403
http://youku.com 502
http://baidu.com 302
http://baidu.com 404
现想使用awk命令按域名统计 返回码大于等于400的百分比，假如优酷总共有4行，大于等于400的返回码有两行，那占比就为50%
awk '{
count[$1]++;
if($2>400)above400[$1]++
}
END{
for(i in count){
print i, count[i], above400[i]/count[i]
}
}' < xxx.txt
例二：
统计一个文件的中所有的error的占比
awk '/error/{err++}END{print err,NR,err/NR*100"%" }' < xxx.txt
12、关联数组访问问题
a.txt和b.txt两个文件相同的两个字段（id|money）,输出a和b文件中相同id并且b文件money值大的一行
cat >>a.txt <<EOF
1|1
3|3
5|5
7|7
9|9
EOF
cat >>b.txt<<EOF
1|1
2|2
3|30
4|4
5|5
6|6
7|70
8|8
9|9
10|10
EOF
awk -F '|' 'BEGIN{ while(getline < "a.txt") { user_map[$1] = $2; } }
{
if ($1 in user_map) { if (user_map[$1] < $2) print $0; }
}' b.txt
注意：如果a.txt不存在，getline会返回-1，导致死循环。我以前曾经碰上过因为这个原因导致程序挂死，所以特别提出来让大家注意
13、99乘法表
awk 'BEGIN{for(i=1;i<10;i++){for (j=1;j<=i;j++)printf "%d%s%d%s%d\t",i,"x",j,"=",i*j;print}}'
14、tomcat并发数
netstat -an|grep 10050|awk '{count[$6]++} END{for (i in count) print(i,count[i])}'
sed 老二
【功能说明】
Sed是Strem Editor(流编辑器)缩写，是操作、过滤和转换文本内容的强大工具。常用功能有增删改查，过滤，取行。
参数
-n #取消默认输出
-r #使用扩展正则
-i #刷到磁盘
-e #执行多条sed指令
-f #指令放在文件里
sed-command
a 追加
i 插入
d 删除
c 替换指定的行
s 替换每一行匹配到的第一个字符
g 替换每一行的全部
p 输出
w 另存文件
e 执行bash命令
q 不继续往下读取
概括流程：Sed软件从文件或管道中读取一行，处理一行，输出一行；再读取一行，再处理一行，再输出一行……
增删改查
a 追加文本到指定行后
i 插入文本到指定行前
增
单行增加
sed '2a 106,dandan,CSO' person.txt
sed '2i 106,dandan,CSO' person.txt
多行增加
sed '2a 106,dandan,CSO\n107,bingbing,CCO' person.txt
企业案例1：优化SSH配置（一键完成增加若干参数）
在我们学习系统优化时，有一个优化点：更改ssh服务远程登录的配置。主要的操作是在ssh的配置文件加入下面5行文本。(下面参数的具体含义见其他课程。)
Port 52113
PermitRootLogin no
PermitEmptyPasswords no
UseDNS no
GSSAPIAuthentication no
我们可以使用vi命令编辑这个文本，但这样就比较麻烦，现在想一条命令增加5行文本到第13行前？
sed -ir '13 i ####Chris-sshd-2016.5.4-youhua######\nPort 52113\nPermitRootLogin no\nPermitEmptyPasswords no\nUseDNS no\nGSSAPIAuthentication no\n#####--end--#######\n' /etc/ssh/sshd_config
地址用逗号分隔的，n1,n2可以用数字、正则表达式、或二者的组合表示。
其他使用例子
10{sed-commands} 对第10行操作
10,20{sed-commands} 对10到20行操作,包括第10,20行
10,+20{sed-commands} 对10到30(10+20)行操作,包括第10,30行
1~2{sed-commands} 对1,3,5,7,……行操作
10,${sed-commands} 对10到最后一行($代表最后一行)操作,包括第10行
/oldboy/{sed-commands} 对匹配oldboy的行操作
/oldboy/,/Alex/{sed-commands} 对匹配oldboy的行到匹配Alex的行操作
/oldboy/,${sed-commands} 对匹配oldboy的行到最后一行操作
/oldboy/,10{sed-commands} 对匹配oldboy的行到第10行操作，注意：如果前10行没有匹配到oldboy，sed软件会显示10行以后的匹配oldboy的行，如果有。
1,/Alex/{sed-commands} 对第1行到匹配Alex的行操作
/oldboy/,+2{sed-commands} 对匹配oldboy的行到其后的2行操作
删
d 删除指定的行
sed 'd' person.txt #删除全部
sed '2d' person.txt #删除第二行
sed '2,5d' person.txt #删除2到5行
sed '3,$d' person.txt #删除3到结尾
sed '1~2d' person.txt #删除1,3,5行
sed '1,+2d' person.txt #删除1,2,3
sed '/zhangyao/d' person.txt #删除匹配的zhangyao行
sed '/oldboy/,/Alex/d' person.txt #删除匹配oldboy到Alex行
sed '/oldboy/,3d' person.txt #删除从匹配oldboy的3行
企业案例2：打印文件内容但不包含oldboy
sed '/oldboy/d' person.txt #删除包含"oldboy"的行
改
按行替换
c 用新行取代旧行
sed '2c 106,dandan,CSO' person.txt #替换第2行的内容
文本替换
s：单独使用，将每一行中第一处匹配的字符串进行替换
g：每一行进行全部替换
-i：修改文件内容
sed软件替换模型(方框▇被替换成三角▲)
sed -i 's/▇/▲/g' oldboy.log
sed -i 's#▇#▲#g' oldboy.log
企业案例3：指定行修改配置文件
指定行精确修改配置文件，这样可以防止修改多了地方。
sed '3s#0#9#' person.txt
变量替换
x=a
y=b
echo $x $y
sed s#$x#$y#g test.txt
分组替换\( \)和\1的使用说明
sed软件的\( \)的功能可以记住正则表达式的一部分，其中，\1为第一个记住的模式即第一个小括号中的匹配内容，\2第二记住的模式，即第二个小括号中的匹配内容，sed最多可以记住9个。
例：echo I am oldboy teacher.如果想保留这一行的单词oldboy，删除剩下的部分，使用圆括号标记想保留的部分。
echo I am oldboy teacher. |sed 's#^.*am \([a-z].*\) tea.*$#\1#g'
echo I am oldboy teacher. |sed -r 's#^.*am ([a-z].*) tea.*$#\1#g'
echo I am oldboy teacher. |sed -r 's#I (.*) (.*) teacher.#\1\2#g'
命令说明
思路：用oldboy字符替换I am oldboy teacher.
下面解释用□代替空格
- ^.*am□ –>这句的意思是以任意字符开头到am□为止，匹配文件中的I am□字符串;
- \([a-z].*\)□–>这句的外壳就是括号\(\），里面的[a-z]表示匹配26个字母的任何一个，[a-z].*合起来就是匹配任意多个字符，本题来说就是匹配oldboy字符串，由于oldboy字符串是需要保留的,因此用括号括起来匹配，后面通过\1来取oldboy字符串。
- □tea.*$–>表示以空格tea起始,任意字符结尾，实际就是匹配oldboy字符串后，紧接着的字符串□teacher.;
- 后面被替换的内容中的\1就是取前面的括号里的内容了，也就是我们要的oldboy字符串。
- ()是扩展正则表达式的元字符，sed软件默认识别基本正则表达式，想要使用扩展正则需要使用\转义，即\(\）。
- sed使用-r选项则可以识别扩展正则表达式，此时使用\(\）反而会出错。
企业案例4：系统开机启动项优化
chkconfig --list|grep "3:on"|grep -vE "sshd|crond|network|rsyslog|sysstat"|awk '{print $1}'|sed -r 's#^(.*)#chkconfig \1 off#g'|bash
chkconfig --list|grep "3:on"
特殊符号&代表被替换的内容
#→将1到3行的C替换为--C--
sed '1,3s#C#--&--#g' person.txt #→此处&等于C
企业案例5：批量重命名文件
for i in `seq 5`;do touch stu_102999_${i}_finished.jpg;done
ls |sed -r 's/(.*)_finished(.*)/mv & \1_finish\2/e'
查
p 输出指定内容，但默认会输出2次匹配的结果，因此使用n取消默认输出
按行查询
sed '2p' person.txt
sed -n '2p' person.txt
sed -n '2,3p' person.txt
sed -n '1~2p' person.txt
sed -n 'p' person.txt
按字符串查询
sed -n '/CTO/p' person.txt
sed -n '/CTO/,/CFO/p' person.txt
混合查询
sed -n '2,/CFO/p' person.txt
sed -n '/feixue/,2p' person.txt
#特殊情况，前两行没有匹配到feixue，就向后匹配，如果匹配到feixue就打印此行。
其他功能
备份功能
sed -i.bak '$a 1111111111' xxx.txt
备份xxx.txt文件为xxx.txt.bak，修改源文件，最后一行添加111111111
另存功能
sed 's/sb/SB/g w new.txt' xxx.txt
把sb替换成SB的整行输出到new.txt中
大小写转换
\L #全部转换成小写
\l #单个转换成小写
\U #全部转换成大写
\u #单个转换成大写
\E #需要和\U和\L一起使用，关闭\U和\L的功能
sed -r 's/(.*),(.*),(.*)/\L\3,\E\1,\U\2/g' xxx.txt
执行多条sed指令
sed -e '3,$d' -e 's#10#01#g' xxx.txt
sed '3,$d; s#10#01#g' xxx.txt
打印不可见字符l
sed -n 'l' xxx.txt
abc替换ABC（一一对应）
tr 'abc' 'ABC' xxx.txt
sed 'y#abc#ABC#' xxx.txt
可以操作多个文件
sed 'y#abc#ABC#' xxx.txt 222.txt
模拟其他命令
创建svn库的时候自动取消#号和修改路径
sed -i -r '12,13s/# //g' svnserve.conf
sed -i -r '20s/^# (.*)/\1/g' svnserve.conf
sed -i -r '27s/^# (.*)/\1/g' svnserve.conf
sed -i -r '12,13s/^# (.*)/\1/g' svnserve.conf
sed -i -r '32s/# (.*=)(.*)/\1 \/usr\/svnData\//' svnserve.conf
一条命令执行（加传参）
SvnPath='zhangzhicheng'
sed -i -r -e '20s/^# (.*)/\1/g' -e '27s/^# (.*)/\1/g' -e '12,13s/^# (.*)/\1/g' -e "32s/# (.*=)(.*)/\1 \/usr\/svnData\/$SvnPath/" svnserve.conf
grep 老末
【功能说明】
三剑客老三。搜索文本，过滤文本字符串 –v取反
【选项说明】
|
参数选项 |
解释说明（带※的为重点） |
|
-V |
取反，读出指定的内容之外的内容 |
|
-A |
打印后面n行的内容 |
|
-B |
打印前面n行的内容 |
|
-C |
打印前后各n行的内容 |
|
-n |
输出行行号 |
|
-E（egrep） |
使用扩展正则表达式 |
|
-o |
只输出匹配到的结果 |
|
-i |
忽略大小写 |
|
-a |
当grep认为是二进制文件的时候加-a |
【基础范例】
例子1：已知文件 test.txt 内容为：
test
liyao
oldboy
请给出输出 test.txt 文件内容时，不包含 oldboy 字符串的命令。
grep –v oldboy test.txt
例子2：过滤出/etc/services 文件包含 3306 或 1521 两数据库端口的行的内容
grep –E “3306|1521” /etc/services
例子3：
【技巧例子】
消除文件空行:
grep -v '^$' test.txt
egrep -o "^[^:]+" xxx.txt #匹配开头以非：的行，并输出匹配的内容（-o不是整行输出）