1.5 操作数据文件
1.5.1 数据排序(sort)
在操作大量数据时，一个常用的命令就是sort命令。sort命令的作用是对数据进行排序。默认情况下，sort命令使用为会话指定的默认语言的标准排序规则对文本文件中的数据进行排序。默认情况下，sort命令将数字解释为字符，并执行标准的字符排序，因此生成的输出可能不是所期望的。
使用参数的排序列表如下：
sort使用的实例如下所示：
1.5.2 搜索数据 (grep)
经常需要查找大文件中的特定数据行，可以使用grep命令来完成搜索任务，而不必在整个文件手动查找。grep命令的命令行格式：grep [option] pattern [file]
grep命令将在输入或指定的文件中搜索包含与指定模式(pattern)匹配的字符的数据行。grep命令的输出是包含匹配模式的数据行。
用法: grep [选项]... PATTERN [FILE]...
在每个 FILE 或是标准输入中查找 PATTERN。
默认的 PATTERN 是一个基本正则表达式(缩写为 BRE)。
例如: grep -i 'hello world' menu.h main.c
正则表达式选择与解释:
-E, --extended-regexp PATTERN 是一个可扩展的正则表达式(缩写为 ERE)
-F, --fixed-strings PATTERN 是一组由断行符分隔的定长字符串。
-G, --basic-regexp PATTERN 是一个基本正则表达式(缩写为 BRE)
-P, --perl-regexp PATTERN 是一个 Perl 正则表达式
-e, --regexp=PATTERN 用 PATTERN 来进行匹配操作
-f, --file=FILE 从 FILE 中取得 PATTERN
-i, --ignore-case 忽略大小写
-w, --word-regexp 强制 PATTERN 仅完全匹配字词
-x, --line-regexp 强制 PATTERN 仅完全匹配一行
-z, --null-data 一个 0 字节的数据行，但不是空行
杂项:
-s, --no-messages 不显示错误信息
-v, --invert-match 选中不匹配的行
-V, --version 显示版本信息并退出
--help 显示此帮助并退出
--mmap 忽略向后兼容性
输出控制:
-m, --max-count=NUM NUM 次匹配后停止
-b, --byte-offset 输出的同时打印字节偏移
-n, --line-number 输出的同时打印行号
--line-buffered 每行输出清空
-H, --with-filename 为每一匹配项打印文件名
-h, --no-filename 输出时不显示文件名前缀
--label=LABEL 将LABEL 作为标准输入文件名前缀
-o, --only-matching 只显示匹配PATTERN 部分的行
-q, --quiet, --silent 不显示所有常规输出
--binary-files=TYPE 设定二进制文件的TYPE 类型；
TYPE 可以是`binary', `text', 或`without-match'
-a, --text 等同于 --binary-files=text
-I 等同于 --binary-files=without-match
-d, --directories=ACTION 读取目录的方式；
ACTION 可以是`read', `recurse',或`skip'
-D, --devices=ACTION 读取设备、先入先出队列、套接字的方式；
ACTION 可以是`read'或`skip'
-r, --recursive 等同于--directories=recurse
-R, --dereference-recursive 同上，但遍历所有符号链接
--include=FILE_PATTERN 只查找匹配FILE_PATTERN 的文件
--exclude=FILE_PATTERN 跳过匹配FILE_PATTERN 的文件和目录
--exclude-from=FILE 跳过所有除FILE 以外的文件
--exclude-dir=PATTERN 跳过所有匹配PATTERN 的目录。
-L, --files-without-match 只打印不匹配FILEs 的文件名
-l, --files-with-matches 只打印匹配FILES 的文件名
-c, --count 只打印每个FILE 中的匹配行数目
-T, --initial-tab 行首tabs 分隔（如有必要）
-Z, --null 在FILE 文件最后打印空字符
文件控制:
-B, --before-context=NUM 打印文本及其前面NUM 行
-A, --after-context=NUM 打印文本及其后面NUM 行
-C, --context=NUM 打印NUM 行输出文本
-NUM 等同于 --context=NUM
--color[=WHEN],
--colour[=WHEN] 使用标记高亮匹配字串；
WHEN 可以是`always', `never'或`auto'
-U, --binary 不要清除行尾的CR 字符(MSDOS/Windows)
-u, --unix-byte-offsets 忽略CR 字符，报告字节偏移
(MSDOS/Windows)
'egrep' 即'grep -E'。'fgrep' 即'grep -F'。
直接调用'egrep' 或是'fgrep' 均已被废弃。
若FILE 为 -，将读取标准输入。不带FILE，读取当前目录，除非命令行中指定了-r 选项。
如果少于两个FILE 参数，就要默认使用-h 参数。
如果有任意行被匹配，那退出状态为 0，否则为 1；
如果有错误产生，且未指定 -q 参数，那退出状态为 2。
请将错误报告给: bug-grep@gnu.org。翻译问题请报告至:Chinese (simplified) <i18n-zh@googlegroups.com>。
GNU Grep 主页: <http://www.gnu.org/software/grep/>
GNU 软件的通用帮助: <http://www.gnu.org/gethelp/>
grep命令使用实例如下：
egrep命令是grep命令的一个分支，它允许指定POSIX扩展的正则表达式，即使用多个字符指定匹配模式。fgrep命令则允许使用一列由换行符的固定字符串值来指定匹配模式。
1.5.3 压缩数据
Linux提供一些文件压缩工具，下表给出Linux中可用的文件压缩工具：
大多数Linux系统都没有安装compress文件压缩工具。如果下载扩展名为.Z的文件，则可以安装compress包，然后使用uncompress命令解压缩文件。
1.bzip2工具
bzip2工具是一个相对较新的压缩包，它在压缩大型二进制文件方面正日益普及。bzip2包中的工具包括以下几种。
Ø bzip2：用于压缩文件
Ø bzcat：用于显示已压缩文本文件的内容
Ø bunzip2：用于解压.bz2文件
Ø bzip2recover：用于尝试恢复受损的压缩文件。
默认情况下，bzip2命令尝试压缩原始文件，并将它替换为压缩后的文件，压缩后的文件名相同，但使用.bz2扩展名，使用的实例如下所示：
2.gzip工具
目前为止，gzip工具是Linux中最流行的文本压缩工具。gzip包是由GUN项目创建的，其用意是创建一个免费版本的Unix compress工具。该包包含以下文件：
Ø gzip：用于压缩文件
Ø gzcat用于显示压缩后的文本文件的内容
Ø gunzip：用于解压缩文件
gzip命令将压缩在命令行中指定的文件，还可以指定多个文件名，或者甚至使用通配符一次压缩多个文件。gzip将压缩目录中通配符模式的所有文件。
gzip执行实例如下所示：
3.zip工具
zip包含4个工具：
Ø zip：用于创建包含列出文件和目录的压缩文件
Ø zipcloak：用于创建包含列出文件和目录的加密压缩文件
Ø zipnote：用于提取zip文件中注释
Ø zipsplit：用于将zip文件分割成指定大小的多个小文件(用于将大zip文件复制软盘)
Ø unzip：用于提取压缩文件中的文件和目录
查看zip工具中可用的所有选项，输入如下所示：
zip工具的强大之处在于能够将文件的整个目录压缩为一个文件。归档完整目录结构的理想方法如下：
本例将创建一个名称为test.zip，并递归test目录，将发现的各文件和目录添加到该zip文件中。从输出可以看到，并非zip文件中的所有文件都可压缩。zip工具将自动判断为各文件使用的最佳压缩类型。
当使用zip命令中的递归特性时，文件将存储在zip文件中的相同目录结构中，包含在子目录中的文件将保存在相同子目录中的zip文件中。在解压文件时，unzip命令将在新位置重建整个目录结构。