Linux15：正则表达式与字符处理

正则表达式与字符处理

正则表达式

正则表达式和通配符的区别是，正则表达式的作用是在文件中搜索符合条件的字符串（常用命令有grep、awk、sed），而通配符用来匹配符合条件的文件名（ls、find、cp这些命令只能用通配符，不能用正则表达式）。且通配符是完全匹配，而正则表达式是包含匹配，如当用grep命令查找时，只要包含该字符串的行就会显示。

正则表达式：

通配符：

*表示前一个字符匹配0次或任意多次（和通配符中的*不同），故grep "a*" test_rule.txt表示匹配所有内容，包括空白行，而grep "aa*" test_rule.txt表示匹配至少包含有一个a的行。

.表示匹配除了换行符外的任意一个字符，grep "s.*d" test_rule.txt表示匹配在s和d字母之间有任意字符的行，grep ".*" test_rule.txt 表示匹配所有内容。

^{和$表示能匹配行首和行尾，}M表示行首是M，d$表示行尾是d，而grep -n "^$" test_rule.txt 表示会匹配空白行。

常见的匹配：

grep "^[^a-z\]" test_rule.txt 表示匹配不用小写字母开头的行

grep "^[^a-zA-Z\]" test_rule.txt 表示匹配不用字母开头的行

grep "\.$" test_rule.txt 表示匹配使用“.”结尾的行

字符截取命令

截取命令有grep、cut、awk和sed四个。

cut命令

grep是将符合条件的行提取出来，而cut是提取列。

使用的基本格式：cut [选项] 文件名-f后跟列号代表提取第几列，-d后跟分隔符表示设置提取时的分隔符。对于文件(每行中的分隔符是tab)

ID Name gender Mark
1 Liming M 86
2 Sc M 90
3 Gao M 83

执行cut -f 2,3 student.txt结果就是提取第2、3列（中间分隔符还保留）：

Name gender
Liming M
Sc M
Gao M

cut命令会一行一行进行切分，取返回结果中每行第12个字符以后的所有字符串：export | cut -c 12

cut命令常和grep命令配合使用，如对/etc/passwd，该文件中每一行代表一个用户，如果想提取这个文件中的普通用户名，应该执行：

cat /etc/passwd | grep /bin/bash | grep -v root | cut -d ":" -f 1

就会将普通用户名提取出来。这里第一部分代表用cat命令查看该文件，然后选取行内带/bin/bash的行（相当于除掉系统用户），然后去除root用户（-v代表过滤掉某个结果），最后用cut命令提取第一列，分割符是冒号（不设置的话默认分隔符是制表符），中间用管道符连接。

但如果要读取的文件分隔符是多个空格，则cut无法正确提取内容，cut的分隔符只支持一个字符，awk命令可以解决这个问题。

printf命令

printf的基本用法是printf '输出格式' 输出内容

输出格式主要有三种，%ns表示输出字符串，n代表输出字符的个数；%ni代表输出整数，n指输出数字的个数；%m.nf表示输出小数，m指输出数字的个数，n值其中小数的位数。

输出格式中有一些特殊字符，常用的有\n换行，\r回车，\t制表符。

printf %s 1 2 3 4 5 6会输出123456

printf %s %s %s 1 2 3 4 5 6会输出%s%s123456

必须将输出格式用单引号括起来：printf '%s %s %s' 1 2 3 4 5 6会输出1 2 34 5 6

printf '%s %s %s\n' 1 2 3 4 5 6会输出1 2 3换行4 5 6

也就是说当后面内容多于输出格式时，会反复使用输出格式。

想要按照一定的格式输出文件时，要这样处理：printf '%s' $(cat student.txt)，注意这里不能用管道符，这样会将文件所有内容在一行输出，如果想按照文件格式输出必须按照文件的格式来写输出命令：printf '%s\t %s\t %s\t %s\t %s\t %s\t \n' $(cat student.txt)这样就能完整的输出文件了student.txt：

ID Name PHP Linux MySQL Average
1 Liming 82 95 86 87.66
2 Sc 74 96 87 85.66
3 Gao 99 83 93 91.66

printf '%10s %5i %8.2f \n' $(cat file)，输出格式依次是长度为10的字符串、长度为5的数字、长度为8其中可以留两位小数点。

print和printf的区别在于print命令会自动加换行，linux中默认没有print命令，但在awk中可以使用print命令。

awk命令

awk使用格式：awk ‘条件1{动作1} 条件2{动作2}…’ 文件名条件通常是关系表达式，当使用awk处理文件时，文件是按行读取的，然后判断条件，确定是否执行动作。

整个awk的处理流程是：

1、读取第一行，然后初始化$0/$1/$2...。

2、根据条件值判断是否进行后面的动作。

3、执行所有的条件和动作，如果后面还有后续的行则重复上述步骤，直到所有行都读完。

对student.txt来说，awk '{printf $2 "\t" $6 "\n"}' student.txt能将第2列和第6列提取出来，这里的printf不是系统命令，可以用$n代表第几列，$0代表整行，printf中的特殊字符要用双引号括起来，因为外层已经使用了单引号，所以这里用双引号，特殊字符控制的都是输出格式。

awk默认的字段分隔符是空格或tab，所以对于用多个空格作为分隔符的文件或输出，awk也能处理，如df -h | awk '{print $1 "\t" $3}'这里用的是print命令，和printf手动加换行符效果相同。

如果想提取df -h中的百分数，如下图：

此时应该执行df -h | grep root | awk '{printf $5}' | cut -d "%" -f 1这条语句就是用grep命令提取对应行，然后用awk来提取对应列，最后用cut命令来以%为分隔符切割，相当于去掉%，最后得到数字。

BEGIN是一种条件，表示读取前优先处理。awk 'BEGIN{printf "This is a transcript \n" } {printf $2 "\t" $6 "\n"}' student.txt此时打印内容第一行就是This is a transcript，第二行开始读取文件。

设置分隔符awk 'BEGIN {FS=":"} {printf $1 "\t" $3 "\n"}'FS就代表设置分隔符为冒号，这里前面必须加BEGIN ，如果不加那么文件第一行会原封不动打印，因为在读取第一个大括号时就已经读取第一行了，如果不加BEGIN程序会直接读取第二行然后开始处理。

END也是一种条件，表示最后执行。awk 'END{printf "The End \n" } {printf $2 "\t" $6 "\n"}' student.txt此时就会最后打印一行The End。

awk的强大之处在于可以插入逻辑表达式，cat student.txt | grep -v Name | \ awk '$6 >= 87 {printf $2 "\n" }'，同样是对student文件，如果想输出平均分大于87分的Name就可以执行这条命令，首先读取该文件，然后除掉第一行，如果第六列的元素大于等于87就打印第二列。

awk有几个内建变量：NF（每一行拥有的字段总数）、NR（目前处理的是第几行的数据）、FS（分隔符默认为空格），这些变量都可以直接放在大括号里打印出来，或者放在括号外作为条件判断都可以，不需要加$。

sed命令

sed命令是一种轻量级流编辑器，主要是用来将数据选取、替换、删除和新增。vim也可以修改文件，但是vim难以修改命令输出内容，只能将输出内容写入文件然后修改，而sed在这方面优于vim。

sed命令的执行格式是sed [选项] ‘[动作]’ 文件名

提取文件第2行并输出：sed -n '2p' student.txt，动作中p代表输出指定的行，而-n代表仅输出sed处理过的行，如果不加-n那么会输出全部文件内容，第二行会输出两次。sed不仅可以用在文件中，还能用在命令输出的内容中：df -h | sed -n '2p'

删除第2行到第4行的数据（相当于输出其他行，它不会修改文件本身）：sed '2,4d' student.txt

在第二行后插入一行（不修改文件本身）：sed '2a hello' student.txt，a代表某行后插入。

在第二行前插入两行（不修改文件本身）：sed '2i hello \ world' student.txt，反斜杠代表输入第二行，插入时除了最后一行，当想插入多行时必须在行末处加反斜杠，i代表某行前插入。

将第二行替换（不修改文件本身）：sed '2c No such person‘ student.txt

数据替换可以精确到字符串，格式是sed ‘s/旧字串/新字串/g’ 文件名

把第三行中的74换成99：sed '3s/74/99/g' student.txt

同时把“Liming”和“Gao”替换为空：sed -e 's/Liming//g ; s/Gao//g' student.txt，注意当有多个动作时用分号隔开，-e代表允许多条编辑，当s前没有数字时代表针对所有行。

总结：sed命令的常用选项有三个，-n、-e和-i‘；常用动作有6种，a、c、i、d、p、s。

字符处理命令

1、排序命令sort，使用方法：sort [选项] 文件名选项有几种：

-f： 忽略大小写
-n： 以数值型进行排序，默认使用字符串型排序
-r： 反向排序
-t： 指定分隔符，默认是分隔符是制表符
-k n[,m]： 按照指定的字段范围排序。从第n字段开始， m字段结束（默认到行尾）

排序用户信息文件：sort /etc/passwd此时会输出按照文件每行首字母排序的结果：

如果想按照每行第三个字段排序，必须先指定冒号为分隔符：sort -t ":" -k 3,3 /etc/passwd

-k 3,3的意思是从第三个字段开始到第三个字段结束，也就是按照第3个字段排序。但是排序结果会把10排在3前，这是因为默认只识别第一个字符，如果想按数字排序应该加上-n选项：

sort -n -t ":" -k 3,3 /etc/passwd。

2、去重命令uniq：经常结合排序使用，仅取出账号栏，然后排序后去重：

last | cut -d ' ' -f 1 | sort | uniq

3、统计命令wc：wc [选项] 文件名。选项有以下几种：-l： 只统计行数、-w： 只统计单词数、-m： 只统计字符数。如果不加选项那么上述三种都会输出。

字符转换命令

1、tr命令可以用来删除一段讯息中的文字或进行替换

将last输出信息中的所有小写字母换成大写的：last | tr '[a-z]' '[A-Z]'

将输出信息中的冒号全部删除：cat /etc/passwd | tr -d ':'

2、col命令可以将tab转成对等的空格键，命令是col -x

3、join命令用来通过两个文件数据相同的部分，来把两个文件的数据整合到一起，如/etc/passwd和/etc/shadow两个文件每行的第一个字段都是相同的账号名：

此时就可以用join方法：

join -t ':' /etc/passwd /etc/shadow

这样整合后，两个文件的数据都会整合到一起，查看上面输出的内容：

可以发现最后每一行输出的内容就是文件1+文件2没有连接字段的那部分。join的字段也可以不采用首个字段。

join常常在sort之后，防止出现对应行不匹配的现象。

4、paste命令用来将两行粘在一起，中间用tab键分开：paste 文件1 文件2，如果加-d后面跟分隔符的话就可以重新设置分隔符。

5、expand和unexpand分别是将tab转成空格，和把空格转成tab，expand后跟文件名会自动将文件内的tab转成8个空格，也可以用-t加数字来自定义转换数字。

6、分区命令split，它可以将一个大文件分成多个小文件，以便于复制。

切割成300k一个的小文件：split -b 300k 文件名，此时原文件会被删除，假设原文件名为1，那么结果就会多出1aa、1ab、1ac文件，将这三个文件合并：cat 1* >> 1，这样就可以复原。

将ls输出信息每十行记录一个文件：ls -al / | split -l 10 - lsroot，这里新生成的文件名开头就是lsroot，-的意思是输入流，但是为空所以就用-来表示。

7、xargs命令可以创造标准输入，令不支持用管道符的命令能够接受其他命令的返回结果并执行。