linux —— shell 编程（文本处理）

导读	本文为博文 linux —— shell 编程（整体框架与基础笔记）的第4小点的拓展。（本文所有语句的测试均在 Ubuntu 16.04 LTS 上进行）

---

目录	基本文本处理 流编辑器sed awk模式扫描与处理语言

1、基本文本处理

sort :用于排序，常用参数 -t 指定一行的分隔符 -k 指定具体排序的规则 -d 按字典序排列  -f 忽略大小写

　　  -u （unique）丢弃相同指定字段的记录

unique：报告或删除文件中重复的行。 -c 在输出行前加上出现的次数    -d  （duplicated）显示重复的行  

　　　　　　　　　　　　　　　　　　-u 仅显示不重复的行 

wc：  统计文本行数，字数和字符数。    -c 字符数    -w  单词数    -l  行数

pr：将文本转换成适合打印的格式。   -c 显示的列数(截断超出的部分)

fmt: 优化文本的格式。  -w 设置一行显示的最大行宽   -s  只对过长的行进行换行，不要自动回填。

fold：限制文本宽度（强行截断并换行）。 -w 指定宽度  -s 只在空格处换行。

cut ：截取行的字段。   -delimiter  设置字段分割符 -f List 设置截取的域  

　　　　　　　　　　　List可以是M，M-，M-N -M；可以用逗号指定多个

join：连接两个文件的数据字段。  join file1 file2  -1 M  -2 N    M、N指定匹配的字段

tr： 文本替换。 tr set set :将str1上字符替换成str2上对于位置的字符； （可以是 tr 'a-z' 'A-Z'）

　　　　　　　 tr {-d|-s} set ：-d 删除set上的每一个字符 ；-s 除去连续出现的set中的字符，至只剩下单个

　　　　　　　 tr -c （complement 互补）使用set1的外的其他字符 [例子：tr -cs '[:lower:][:upper:]' '[\n*]' 单词表]

2、流编辑器sed

0)sed 的作用和工作方式

sed 是一个非交互式的的行编辑器，工作时，从指定的输入读入一行数据存入被称为模式空间（Pattern Space） 的临时缓冲区，然后按照指定的sed编辑命令处理缓冲区里面的内容，将结果输出到标准输出后从模式空间中删除，然后继续读取下一行继续工作。

1) 地址范围

sed -e '1,5d'  test.txt

sed -e '/^#/d' test.txt

规则表达式中使用的表达式字符：

字符	描述
^	与行首匹配
$	与行尾匹配
.	与任意一个字符匹配
*	与之前一个字符的零个或多个出现匹配
[]	与[]之间的所有字符匹配

 2) 参数

-e     将脚本添加到命令执行，如上面的 '/^#/d'

-n    禁止模式空间的自动打印

替换文本：   sed -e "s/benson/BENSON/g"  将benson 替换成大写

　　　　　　sed -e "1,10s/benson/BENSON/g" 将1-10行的benson变成大写

　　　　      s/// 的 “/”可以被替换：比如 sed -e "s:/usr/local:/usr:g" 

多条命令一起执行：  sed -n -e "=;p"   打印行号；打印行 （等价与 sed -e "=" -e "p" ）

多条命令于同一地址范围：sed -n -e '1,5{s/benson/BENSON/g;s/laur/LAUR/g}'

把命令放在文件fsed里：sed -n -f fsed 

3、awk模式扫描与处理语言

awk 具有成为一门语言应有的要素：变量，函数等，是强大的处理工具。

例子：

awk -F ":" '{print "USER:" $1  "\tSHELL: " $7 }'  /etc/passwd
结果：
USER:root    SHELL: /bin/bash
USER:daemon    SHELL: /usr/sbin/nologin
USER:sync    SHELL: /bin/sync

上面的命令也可以写入文件file.awk中：

awk -f file.awk /etc/passwd

BEGIN{ FS=":" }
{
    print "USER:" $1  "\tSHELL: " $7 
}

3.1 awk的变量和数组

1）用户自定义变量

命名规则：[A-Za-z_][A-Za-z0-9_]*

2) 常用的内建变量

变量	说明
FILENAME	当前输入的文件名称
FNR	当前输入的文件的记录数
FS	字段分隔符（支持正则表达式），默认空格
NF	当前记录的字段数
NR	在工作（job）中的记录数
OFS	输出字段分隔字符
ORS	输出记录分隔字符（默认为“\n”）
RS	输入记录分隔字符

3) awk数组  的字符索引支持数字、字符串

sit[google]="https://google.com"
sit[baidu]="http;//baidu.com"

数组存储是稀疏的,可直接定义如下两项：
x[1]=1234
x[1000]=234234

delete x  将删除数组里所有的元素

删除后，可以继续定义如下：
x=567

访问环境变量：ENVIRON["PATH"]

3.2 算数运算

awk的运算符 

运算符	描述	例子
=  +=  *=   /=  ^=  **=	赋值
?=	C条件表达式
||   &&	逻辑与或
++--	自增自减
～   ～!	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 求余
+  -  !	一元加减，逻辑非
^  ***	求幂
$	字段引用
in	数组成员

awk支持的算数函数： 　

　　　　sin(x) cos(x) atan2(x,2) :x,y 范围内的余切 int(x):没有舍入地取整 exp(x)求幂 log(x):自然对数 sqrt(x) 

　　　　rand()：产生>=0 <1的随机数 srand(x)：x是rand()的种子

3.3 条件和循环语句

条件语句和循环语句与C类似，支持break，continue（可以不使用；结尾）

例子：将下面记录每组一行输出

abc,123
tttt  dddd

ddd,324
ssss  ssdd
sdfsd sdf 

dddd
sfdfsdf

BEGIN{
        FS="\n"
        RS=""　　　　# RS设置为""将可以解析多行记录（以空行分隔）
        ORS=""      #输出记录分隔符不要换行
}
{
        x=1
        while(x<NF)
        {
                print $x "\t"
                x++
        }
        print $NF "\n"
}

结果：

abc,123    tttt  dddd
ddd,324    ssss  ssdd    sdfsd sdf
dddd    sfdfsdf

3.4 自定义函数

在函数中，指定的参数将被当做局部变量，而所有函数体内未出现在参数列表中的变量会被视为全局性。为此，awk允许声明过多的参数用于局部使用如：

function add(x,y,      sum)
{
sum = x+y
return sum
}

如果需要使用函数进行引用传递，只能通过传入数组来实现：

3.5 字符串处理

格式化输出：

printf("%s have %d jobs","somebody",3)
strout = sprintf("%s have %d jobs","somebody",3)

格式化输出的转义字符：c s d ld (十进制长整数) u lu x lx o lo e(科学计数法表示的浮点数) f g(e或f中比较短的一种)

printf 修饰符：  - 左对齐     #显示八进制时在前面加个0；显示十六进制时在前面加0x  

　　　　　　　  +显示defg 转换的整数时，加上正负号    0  填充空白为0

　　　　　　　　具体的格式为：%-width.precision fotmat-specifier

awk内置字符串函数：

awk函数	描述
sub(/reg/,newsubstr,str)	替换第一个匹配的字符串
gsub(/reg/,newsubstr,str)	替换所有匹配
index(str,substr)	返回substr在str中的索引
length(str)	长度
match(str,/reg/)	如果在str中找到正则表达式/reg/匹配的串，则返回出现的位置，未找到则返回0
split(str,array,sep)	使用sep分隔到array
substr(str,position[,length])	返回str从position开始的length个字符
tolower(str)	变小写
toupper(str)	变大写
sprintf("fmt",expr)	格式化返回字符串

 

3.6 多文件处理

10001 南京 佛挡杀佛 sdfsdf
10002 天津 发生地方  双方的发生
10003 石家庄 发生地方 发生地方

11000,南京
11003,天津
12000,河北省
13000,品上线
12344,石家庄

BEGIN{
        FS="[ ,]"
        OFS=","
}

NR <= FNR{
        array[$2]=$1
}
NR > FNR{
        print $1,$2,array[$2]
}

awk  -f join.awk a.txt b.txt

11000,南京,10001
11003,天津,10002
12000,河北省,
13000,品上线,
12344,石家庄,10003