4.1 正則表達式入門
1 正則表達式是基於樣式匹配的文本處理技術的關鍵所在
2 正則表達式是用於絕大多數文本處理工具的一種語言
3 正則表達式的基本組成部分
正則表達式 描述
^ 行起始標記
$ 行尾標記
. 匹配任意一個字符
[] 匹配包含在[]之中的任意一個字符
[^] 匹配除了[]之外的任意一個字符
[-] 匹配[]中指定范圍內的任意一個字符
? 匹配之前的項1次或0次
+ 匹配之前的項1次或多次
* 匹配之前的項0次或多次
{n} 匹配之前的項n次
{n,} 匹配之前的項至少n次
{n,m} 匹配之前的項至少n次最大m次
4 為了匹配一個IP地址,可以使用下面的正則表達式
[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}
我們知道IP地址通常是由點號分割的4個整數,每個整數的值是0-255
5 我們在字符前面放一個”\",這種做法是稱為對字符的轉制
4.2 用grep在文件中搜索文本
1 grep命令是UNIX中用於文本搜索的大師級工具,它能夠接受正則表達式和通配符
2 在文件中搜索一個單詞: grep word file
3 grep命令也可以對多個文件進行搜索: grep word file1 file2 file3...
4 如果想要打印包含word之外的所有行可使用: grep -v word file
5 統計文件或文本中包含匹配字符串的行數: grep -c word file
6 打印出包含匹配字符串的行數: grep -n word file
7 如果需要在多級目錄中對文本進行遞歸搜索,可以使用: grep word path -R -n
8 忽略樣式中的大小寫: grep -i word file
9 打印出匹配文件之前或之後的行
要打印匹配某個結果之後3行: grep word -A 3 file
要打印匹配某個結果之前的3行: grep word -B 3 file
要打印匹配某個結果的之前及之後3行: grep word -C 3 file
4.3 用cut按列切分文件
1 cut是一個幫我們將文本按列進行切分的小工具,它也可以通過指定定界符
2 為了提取第一個字段或列,可以使用下面的方法
cut -f field_list file // field_list是要顯示的列
3 cut -f 2,3 file // 這條命令將顯示第2,第3列
4 我們也可以利用-complement選項對提取的字段進行補集運算,假設有多個字段,你希望打印出除了第3列之外的所有列,則可以使用: cut -f3 --complement file
5 要指定字段的定界符,使用-d選項: cut -f2 -d";" file // 命令顯示第2列,用";"做為分割符
6 如果要切分出第n到m個字符可以使用: cut -cn-m file
4.4 sed入門
1 sed是stream editor(流編輯器)的縮寫,它是文本處理中非常重要的工具,它能夠完美的配合正則表達式使用,功能不同反響
2 sed可以替換給文本中的字符串,它可以利用正則表達式進行匹配
sed 's/pattern/replace_string/' file
3 如果使用-i選項,可以將替換結果應用於原文件: sed -i 's/pattern/replace_string/' file
4 用sed移除空白行: sed '/^$/d' file
5 利用管道組多個sed命令這種方法可以用下面的方式替換: sed expression | sed expression 等價於sed 'expression ; expression'
4.5 awk入門
1 awk腳本的結構基本如下所示: awk 'BEGIN{statement} pattern{statement}END{statement}'
2 一個awk腳本通常有三個部分組成:BEGIN語句塊,END語句塊和能夠使用模式匹配的語句塊。這三個部分是可選的,它們中的任何一個部分都可以不出現在腳本中,腳本通常包含在單引號中或雙引號中
3 awk命令的工作方式
(1) 執行BEGIN{statement}語句塊中的語句
(2) 從文件或stdin中讀取一行,然後執行pattern{statement},重復這個過程,直到文件全部讀取完畢
(3) 當讀至輸入流末尾的時候,執行END{statement}語句塊
4 BEGIN語句塊在awk開始從輸入流中讀取行之前被執行,這是一個可選的語句塊,諸如變量的初始化,打印輸出表格的表頭語句等等
5 END語句塊和BEGIN類似,END語句在awk從輸入流中讀取完畢之後被執行,像打印所有行的結果這類信息一般都是放在END語句塊中執行
6 最終要的部分是pattern語句塊中的部分,這個語句塊同樣也是可選的,如果不提供,則默認執行print,即打印每一個讀取的行
7 當使用不帶參數的pring時,它會打出當前行。關於print,需要記住的是:當pring的參數是以逗號進行分割時,參數打印則以空格做為定界符,在awk的print中雙引號是被當做拼接操作符使用的
8 awk的一些特殊變量
NR: 表示記錄數量,在執行的過程中相當於當前行號
NF: 表示字段數量,在執行過程中對應於當前行的字段數
$0: 這個變量包含執行過程中當前行的文本內容
$1: 這個變量包含第一個字段的文本內容
$2: 這個變量包含第二個字段的文本內容
9 通常grep是默認讀取一個文件的所有行,如果只想讀取某一行,可以使用getline
10 awk有很多內置的函數
length(string): 返回字符串的長度
index(string, search_string): 返回search_string在字符串中的出現的位置
split(string, array, delimiter): 用定界符生成一個字符串列表,並將該列表存入數組
4.6 替換文本或文件中的字符串
1 可以使用下面的方式替換一個字符串或樣式
sed 's/pattern/replace_string/g' file //這條命令會替換所有匹配到的項,/g的意識是全局(global),這就意味著它會替換文件中所有匹配的內容
2 當文件名傳遞給sed的時候,sed將輸出寫到stdout,如果不想把輸出結果輸送到stdout,而是將更改保存到原文件中可以使用-i選項 sed 's/pattern/replace_string/g' -i file
4.7 按列合並文件
1 可以使用paste命令實現按列拼接: paste file1 file2 file3
2 默認的定界符是制表符,也可以使用-d來明確指定定界符
paste file1 file2 -d "," // 指定定界符是","
4.8 打印文件或行中的第n個單詞或列
1 用下面的命令打印第五列
awk '{print $5}' file // 這個命令將打印文件file的第五列
2 要打印從M行到N行這個范圍的所有文本,使用下面的語法
awk 'NR==N , NR==M' file
3 命令tac可以做到逆序打印文件
seq 5 | tac // 這個命令將輸出5 4 3 2 1
tac file // 這個命令將逆序打印處文件file
4 用awk實現head和tail還有tac
awk 'NR <= 10' file // 這個命令默認打印處文件file的前10行
awk '{buffer[NR%10]=$0}END{for(i=1;i<11;i++)print buffer[i%10]} file // 這個命令默認打印文件file的最後10行
awk '{buffer[NR]=$0}END{for(i=NR;i>0;i--)print buffer[i]}' file // 這個命令默認打印逆序打印出文件file