shell：正则表达式和文本处理器
1、什么是正则
正则就是用一些具有特殊含义的符号组合到一起（称为正则表达式）来描述字符或者字符串的方法。或者说：正则就是用来描述一类事物的规则。
生活中处处都是正则：
比如我们描述：4条腿
你可能会想到的是四条腿的动物或者桌子，椅子等
继续描述：4条腿，活的
就只剩下四条腿的动物这一类了
在linux中，通配符是由shell解释的，而正则表达式则是由命令解释的，下面我们就为大家介绍三种文本处理工具/命令：grep、sed、awk，它们三者均可以解释正则。
2、grep
参数
-n 显示行号
-o 只显示匹配内容
-q 静默模式，没有任何输出，得用$?来判断执行成功没有，jiy有没有过滤到想要的内容
-l 如果匹配成功，则只将文件名打印出来，失败则不打印，通常-rl一起用，grep -rl 'root' /etc/passwd
-A 如果匹配成功，则将匹配行及其后n行一起打印出来，grep -A 2 'root' /etc/passwd
-B 如果匹配成功，则将匹配行及其前n行一起打印出来
-C 如果匹配成功，则将匹配行及其前后n行一起打印出来
-c 如果匹配成功，则将匹配到的行数打印出来，grep -c 'root' /etc/passwd
-E 等于egrep，扩展，统一都用egrep不会出错
-i 忽略大小写
-v 取反，不匹配
-w 匹配单词
正则介绍
^ 行首，egrep '^root' /etc/passwd
$ 行尾，egrep 'bash$' /etc/passwd，egrep 'ab{3}$' a.txt
. 除了换行符以外的任意单个字符，egrep '^b.n' /etc/passwd
* 前导字符的零个或多个，egrep 'ab*' a.txt
+ 前导字符的一个或多个，egrep 'ab+' a.txt
{} 规定前导字符的个数，egrep 'ab{3}' a.txt，egrep 'ab{2,5}' a.txt，egrep 'ab{3,}' a.txt
? 前导字符的0个或1个，egrep 'ab?' a.txt
.* 所有字符
[] 字符组内的任一字符，egrep '[sdfag-]' a.txt，egrep 'r[a-zA-Z]t' a.txt
[^] 对字符组内的每个字符取反(不匹配字符组内的每个字符)
^[^] 非字符组内的字符开头的行
[a-z] 小写字母
[A-Z] 大写字母
[a-Z] 小写和大写字母
[0-9] 数字
\< 单词头 单词一般以空格或特殊字符做分隔,连续的字符串被当做单词
\> 单词尾
补充： egrep 'compan(y|ies)' a.txt
posix定义的字符分类
[:alnum:] Alphanumeric characters.
匹配范围为 [a-zA-Z0-9]
[:alpha:] Alphabetic characters.
匹配范围为 [a-zA-Z]
[:blank:] Space or tab characters.
匹配范围为 空格和TAB键
[:cntrl:] Control characters.
匹配控制键 例如 ^M 要按 ctrl+v 再按回车 才能输出
[:digit:] Numeric characters.
匹配所有数字 [0-9]
[:graph:] Characters that are both printable and visible. (A space is print-
able, but not visible, while an a is both.)
匹配所有可见字符 但不包含空格和TAB 就是你在文本文档中按键盘上能用眼睛观察到的所有符号
[:lower:] Lower-case alphabetic characters.
小写 [a-z]
[:print:] Printable characters (characters that are not control characters.)
匹配所有可见字符 包括空格和TAB
能打印到纸上的所有符号
[:punct:] Punctuation characters (characters that are not letter, digits, con-
trol characters, or space characters).
特殊输入符号 +-=)(*&^%$#@!~`|\"'{}[]:;?/>.<,
注意它不包含空格和TAB
这个集合不等于^[a-zA-Z0-9]
[:space:] Space characters (such as space, tab, and formfeed, to name a few).
[:upper:] Upper-case alphabetic characters.
大写 [A-Z]
[:xdigit:] Characters that are hexadecimal digits.
16进制数 [0-f]
使用方法:
[root@seker ~]# grep --color '[[:alnum:]]' /etc/passwd
3、sed（最终的目的是编辑，先sed -r ' ' a.txt确保无误后再sed -ri ' ' a.txt >> b.txt）
流编辑器 stream editer,是以行为单位的处理程序
sed 流编辑器 stream editer
语法：sed [options] 'command' in_file[s]
options 部分
-n 静默模式
-e 可以指定多个规则和grep相同，sed -e '' -e '' -e ''
-i 加上-i可以直接对文件更改
-f
command 部分
'[地址1,地址2] [函数] [参数(标记)]'
定址的方法 1.数字 2.正则
数字
十进制数
1 单行
1,3 范围 从第一行到第三行
2,+4 匹配行后若干行
4,~3 从第四行到下一个3的倍数行
2~3 第二行起每间隔三行的行
$ 尾行
1! 除了第一行以外的行
正则
正则必须用//包裹起来
扩展正则需要用 -r 参数或转义 以后用的时候就用sed -r '' 原理同egrep
数字定址：sed -n '1p' /etc/passwd
正则定址：sed -n '/ / ' /etc/passwd
sed '3d' test 删除第3行
sed '1,3d' test 删除1-3行
sed '1d;3d' test 删除第1行和第3行
sed '3p' test 打印第3行（运行结果会全打印出来有两个第3行）
sed -n '3p' test 只打印第3行
sed '3c 11111' test 替换第3行为11111
sed '3a 11111' test 在第3行后追加一行11111
sed '3i 11111' test 在第3行前插入一行11111
sed '/^root/d' /etc/passwd 删除root开头的行
sed '/bash$/d' /etc/passwd 删除bash结尾的行
sed '/.*sb.*/d' a.txt 删除所有带sb的行
sed '/^s/c 111111' /etc/passwd 把该文件中以s开头的行改为11111
sed 's/sb/SB/' a.txt 把所有sb换成SB，没有定址就是全部，但是此命令一行当中如果出现多个sb只会换第一个，要想全部改的话命令应为sed 's/sb/SB/g' a.txt
sed '/alex/s/sb/SB/g' a.txt 把alex所在的那行的所有sb换成SB，这使用正则定址sed '/ /s/ / /g'
sed -r '/^[0-9]([a-Z]+)$/s/sb/SB/g' 同上
sed -r 's/^([a-Z]+)([^a-Z])/ /g' /etc/passwd 将passwd文件中每行的第一个单词和冒号删掉，也就是替换为空
sed -r 's/^([a-Z]+)([^a-Z])/\2/g' /etc/passwd 每个()内的内容代表一部分，这里是留第二部分删第一部分，即只删除每行的第一个单词，冒号还在
sed -r 's/^([a-Z]+)([^a-Z])/\2\1/g' /etc/passwd 调换1和2的位置，即调换第一个单词和冒号的位置
sed -r 's/^([^a-Z]+)([a-Z]+)$/\1/g' /etc/passwd 删除最后一个单词
sed -r 's/()()()()()/\5\4\3\2\1/g';sed -r 's/()()()()()/\5\1\3\4\2/g'
sed -r 's/^(.)(.*)$/\2/' /etc/passwd 删除每行的第一个字符
正则介绍
^ 行首
$ 行尾
. 除了换行符以外的任意单个字符
* 前导字符的零个或多个
.* 所有字符
[] 字符组内的任一字符
[^] 对字符组内的每个字符取反(不匹配字符组内的每个字符)
^[^] 非字符组内的字符开头的行
[a-z] 小写字母
[A-Z] 大写字母
[a-Z] 小写和大写字母
0-9] 数字
\< 单词头 单词一般以空格或特殊字符做分隔,连续的字符串被当做单词
\> 单词尾
扩展正则 加 -r 参数 或转义
sed -n '/roo\?/p' /etc/passwd
sed -rn '/roo?/p' /etc/passwd
? 前导字符零个或一个
+ 前导字符一个或多个
abc|def abc或def
a(bc|de)f abcf 或 adef
x\{m\} x出现m次
x\{m,\} x出现m次至多次(至少m次)
x\{m,n\} x出现m次至n次
函数
增删改
a 后插
c 替换
i 前插
d 删除
输入输出
p 打印匹配的行 一般和 -n 参数连用,以屏蔽默认输出
r 从文件中读入
w 写入到文件中
控制流
! 命令取反 例: 1!d 删除第一行以外的行
{} 命令组合 命令用分号分隔 {1h;G} 可以理解为 -e 参数的另一种写法
= 打印行号(输入行的号码,而非处理的次数行号) 例如： sed -n '2{=;p}' infile
n 读入下一行到模式空间 例:'4{n;d}' 删除第5行
N 而是追加下一行到模式空间，再把当前行和下一行同时应用后面的命令
4、awk（可以处理有格式的文件，-F可以指定分隔符）
数字定址和行定址
awk -F: '{print $1} ' /etc/passwd 指定以：为分隔符，该命令结果是去除所有行以：为分隔符的第一部分
awk -F: '{print $0}' /etc/passwd $0代表取所有
awk -F: '{print $1,NF}' /etc/passwd 输出每一行内容的第一段和段数，NF 就表示段数
awk -F: '{print $1,$NF}' /etc/passwd 打印出每一行的第一段和最后一段内容
awk -F: '{print NR,$1}' /etc/passwd 打印出行号和每行的第一段内容
awk -F: 'NR==1{print NR,$1}' /etc/passwd 只打印第一行的行号和第一段内容
awk -F: 'NR<=3{print NR,"------",$1}' /etc/passwd 打印前三行行号和第一段内容，并且行号和内容之间有-------
awk -F: 'NR>=3 && NR<=5{print NR,$1}' /etc/passwd 打印第三行到第五行的行号和第一段内容
awk -F: 'NR<=3 || NR>=5{print NR,$1}' /etc/passwd 打印第三行之前和第五行之后的行号和第一段内容
正则定址 awk -F: '//{}' /etc/passwd
awk -F: '/nologin$/{print $1} ' /etc/passwd 这是用行匹配正则，打印以nologin结尾的行的第一段内容
awk -F: '$1~/^r.*t$/{print $3}' /etc/passwd ~表示$1即第一段匹配正则（在这里也就是用户名匹配正则），这条命令是，打印第一段以r开头t结尾的 行的 第三段
awk -F: '$1~/^r.*t$/{print NR,$3}' /etc/passwd 就比上边多了个行号
awk -F: '$1=="root"{print NR,$3}' /etc/passwd $1不仅能够匹配正则还能匹配内容
awk -F: '$3>=7{print NR,$3}' /etc/passwd 打印出uid大于等于7的行号和uid
awk -v -v 定义变量并赋值 也可以借用次方式从shell变量中引入
ifconfig |awk 'NR==2{print $1}' 当awk后面不加-F时，默认以空格为分隔符，所以该命令是取ifconfig命令输出结果中的第二行的第一段内容
ifconfig |awk 'NR==2{print $2}' 取ifconfig命令输出结果中的ip地址
awk详细
语法
awk [options] 'commands' files
option
-F 定义字段分隔符,默认的分隔符是连续的空格或制表符
使用option中的-F参数定义间隔符号
用$1,$2,$3等的顺序表示files中每行以间隔符号分隔的各列不同域
NF变量表示当前记录的字段数
-v 定义变量并赋值 也可以借用次方式从shell变量中引入
command
读前处理 行处理 读后处理
1.读前处理 BEGIN{awk_cmd1;awk_cmd2}
2.行处理:定址 命令
定址方法: 正则,变量,比较和关系运算
正则需要用//包围起来
^ 行首
$ 行尾
. 除了换行符以外的任意单个字符
* 前导字符的零个或多个
.* 所有字符
[] 字符组内的任一字符
[^] 对字符组内的每个字符取反(不匹配字符组内的每个字符)
^[^] 非字符组内的字符开头的行
[a-z] 小写字母
[A-Z] 大写字母
[a-Z] 小写和大写字母
[0-9] 数字
\< 单词头 单词一般以空格或特殊字符做分隔,连续的字符串被当做单词
\> 单词尾
扩展正则 加 -r 参数 或转义
sed -n '/roo\?/p' /etc/passwd
sed -rn '/roo?/p' /etc/passwd
? 前导字符零个或一个
+ 前导字符一个或多个
abc|def abc或def
a(bc|de)f abcf 或 adef
x\{m\} x出现m次
x\{m,\} x出现m次至多次(至少m次)
x\{m,n\} x出现m次至n次
NR变量定址
NR 表示AWK读入的行数
FNR表示读入行所在文件中的行数
# awk '{print NR,FNR,$1}' file1 file2
1 1 aaaaa
2 2 bbbbb
3 3 ccccc
4 1 dddddd
5 2 eeeeee
6 3 ffffff
#
逻辑运算 可直接引用域进行运算
== >= <= != > < ~ !~
# awk 'NR==1 {print}' /etc/passwd
root:x:0:0:root:/root:/bin/bash
#
3.命令 {print $0}
4.读后处理 END {awk_cmd1;awk_cmd2;}
AWK变量
NR 当前记录的个数(全部文件连接后的统计)
FNR 当前记录的个数(仅为当前文件的统计,非全部)
FS 字段分隔符 默认为连续空格或制表符,可以使用多个不同的符号做分隔符 -F[:/]
OFS 输出字符的分隔符 默认是空格
# awk -F: 'OFS="=====" {print $1,$2}' /etc/passwd
root=====x
NF 当前读入行的字段个数
ORS 输出记录分隔符 默认是换行
# awk -F: 'ORS="=====" {print $1,$2}' /etc/passwd
root x=====bin x=====
FILENAME 当前文件名
引用shell变量的方法
# a=root
# awk -v var=$a -F: '$1 == var {print $0}' /etc/passwd
或者 把整个命令拆开传递,让shell变量外露,
# awk -F: '$1 == "'$a'" {print $0}' /etc/passwd
# a=NF
# awk -F: '{print $'$a'}' /etc/passwd
操作符
赋值
= += -= /= *=
逻辑与 逻辑或 逻辑非
&& || !
匹配正则或不匹配,正则需要用 /正则/ 包围住
~ !~
关系 比较字符串时要把字符串用双引号引起来
< <= > >= != ==
字段引用
$ 字段引用需要加$,而变量引用直接用变量名取
运算符
+ - * / % ++ --
转义序列
\\ \自身
\$ 转义$
\t 制表符
\b 退格符
\r 回车符
\n 换行符
\c 取消换行
5、其他命令
cat a.txt |sort sort会将所有重复的行排列在一起
cat a.txt |sort |uniq uniq是去重，此命令是排序加去重
cat a.txt |sort |uniq -c 可以查看去重数
cat test |cut -d: -f1 -d指定以：为分割符，-f1取第一部分 取test文件以：为分割符的每行的第一段
cat test |cut -d: -f1 取test文件以：为分割符的每行的第一段和第三段
du -sh /boot/ 查看文件或目录的大小
find / -type f 找根目录下得普通文件
find / -name "*.txt" 找跟下的txt文件
find / -size +30M 找出根下大于30M的文件
find / -size +10M -size -30M 找出根下大于10M小于30M的文件
find / -size +2M -type f -name \*.txt 找出根下的大于2M的.txt格式的普通文件
dd if=/dev/zero of=/a.txt bs=20M count=1 将a.txt中1个20M的block块写到硬盘上，该命令是不专业的测试硬盘读写速度命令
gcc hello.c -o hello 将C语言编译好的文件解释为二进制格式
