linux三剑客(grep、sed、awk)基本使用

  • linux三剑客(grep、sed、awk)基本使用已关闭评论
  • 19 次浏览
  • A+
所属分类:linux技术
摘要

镜像下载、域名解析、时间同步请点击 阿里云开源镜像站作为一个经常在服务器上游走的后端,需要熟悉不少命令行操作。其中,grep、sed、awk号称”linux三剑客”,使用频繁,功能强大,本文通过一个实例演示下基本用法。首先准备一个文本文件,命名为text.txt,内容如下:

镜像下载、域名解析、时间同步请点击 阿里云开源镜像站

准备

作为一个经常在服务器上游走的后端,需要熟悉不少命令行操作。其中,grep、sed、awk号称"linux三剑客",使用频繁,功能强大,本文通过一个实例演示下基本用法。首先准备一个文本文件,命名为text.txt,内容如下:

cat text.txt 1     province    省份  青海省 2     domain  域名或者ip  tianfengyinlou.cn 3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址   青海省西宁市城中区南关街138号 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 6     update_time 更新时间, 毫秒级时间戳    1607414120745 7     site_no 网站备案/许可证号   青ICP备11000289号-2 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 9     comp_name   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司 

grep

首先,最简单的是grep。经常用来过滤查看日志。对于grep需要知道如下几个常用的命令选项:

-n

额外输出行号。例如过滤出每一行包含"青"的记录:

grep -n "青" text.txt                                                                                               1:1     province    省份  青海省 3:3     subject_no  主体备案号   青ICP备11000289号 4:4     addr    注册地址    青海省西宁市城中区南关街138号 7:7     site_no 网站备案/许可证号   青ICP备11000289号-2 

-v

排除匹配的行。例如排除包含"青"的行记录:

grep -v '青' text.txt                                                                                               2     domain  域名或者ip  tianfengyinlou.cn 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 6     update_time 更新时间, 毫秒级时间戳    1607414120745 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 9     comp_name   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司 

-E

支持扩展正则匹配。grep的时候,我们可以按照正则表达式来进行匹配,但在需要扩展正则匹配时,要通过-E指定才能生效。常见的或操作,比如筛选包含"青海省"或者"青ICP"的行记录,不指定-E是无法获得想要的结果的。

grep -E '青海省|青ICP' text.txt                                                                                     1     province    省份  青海省 3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 7     site_no 网站备案/许可证号   青ICP备11000289号-2 

-l

只输出有匹配行的文件名。有时候,我们并不需要输出匹配的行记录,仅仅只是需要知道匹配到了行记录的文件名:

grep -l 青 text.txt                                                                                          text.txt 

-R

递归匹配目录中的文件内容。有时候,在一个目录中我们并不知道哪个文件内容包含我们想要的结果,此时,可以查找整个目录,输出匹配的文件名以及行记录:

grep -R 青海 ./DevMisc # ...  ./DevMisc/linux三剑客.md:1     province     省份                   青海省 ./DevMisc/linux三剑客.md:4     addr         注册地址                青海省西宁市城中区南关街138号 ./DevMisc/text.txt:1     province    省份  青海省 ./DevMisc/text.txt:4     addr    注册地址    青海省西宁市城中区南关街138号 

结合-l参数就可以知道一个目录中有哪些文件包含了匹配项:

grep -Rl 青 ./DevMisc                                                                                                   ./DevMisc/linux三剑客.md ./DevMisc/text.txt 

-A

通过-A(after)指定输出匹配行后的额外行数。例如,想要额外输出包含"青"的行记录后一行,可以指定-A1:

grep -A1 青 text.txt                                                                                                1     province    省份  青海省 2     domain  域名或者ip  tianfengyinlou.cn -- 3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 -- 7     site_no 网站备案/许可证号   青ICP备11000289号-2 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 

-B

通过-B(before)指定输出匹配行前的额外行数。例如,想要额外输出包含"青"的行记录前一行,可以指定-B1:

grep -B1 青 text.txt                                                                                                1     province    省份  青海省 -- 2     domain  域名或者ip  tianfengyinlou.cn 3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 -- 6     update_time 更新时间, 毫秒级时间戳    1607414120745 7     site_no 网站备案/许可证号   青ICP备11000289号-2 

-C

通过-C指定输出匹配行前后的额外行数。例如,想要额外输出包含"青"的行记录前后各一行,可以指定-C1:

grep -C1 青 text.txt                                                                                                1     province    省份  青海省 2     domain  域名或者ip  tianfengyinlou.cn -- -- 2     domain  域名或者ip  tianfengyinlou.cn 3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 -- -- 6     update_time 更新时间, 毫秒级时间戳    1607414120745 7     site_no 网站备案/许可证号   青ICP备11000289号-2 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 

sed

查找

sed的各项操作需要指定一个特定的动作。查找需要指定一个动作为p(print),例如,打印出第三行的记录,需要指定行号加动作3p:

sed -n 3p text.txt  3     subject_no  主体备案号   青ICP备11000289号 

这里必须指定一个选项-n。因为sed的默认行为是遍历文本文件的每一行并输出每一行,假如不带-n选项,第三行会输出两次=默认输出一次+命令行指定输出一次:

sed 3p text.txt 1     province    省份  青海省 2     domain  域名或者ip  tianfengyinlou.cn 3     subject_no  主体备案号   青ICP备11000289号 3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址   青海省西宁市城中区南关街138号 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 6     update_time 更新时间, 毫秒级时间戳    1607414120745 7     site_no 网站备案/许可证号   青ICP备11000289号-2 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 9     comp_name   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司 

所以-n的作用是取消sed的默认输出行为, 一般都只与p组合使用。利用sed的默认输出行为,我们可以模拟复制每一行的操作,有时候在特定场景下非常有用:

sed p text.txt 1     province    省份  青海省 1     province    省份  青海省 2     domain  域名或者ip  tianfengyinlou.cn 2     domain  域名或者ip  tianfengyinlou.cn 3     subject_no  主体备案号   青ICP备11000289号 3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址   青海省西宁市城中区南关街138号 4     addr    注册地址   青海省西宁市城中区南关街138号 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 6     update_time 更新时间, 毫秒级时间戳    1607414120745 6     update_time 更新时间, 毫秒级时间戳    1607414120745 7     site_no 网站备案/许可证号   青ICP备11000289号-2 7     site_no 网站备案/许可证号   青ICP备11000289号-2 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 9     comp_name   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司 9     comp_name   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司 

sed不仅可以输出指定的某一行,还可以按行号范围进行输出,例如输出1-5行:

sed -n 1,5p text.txt                                                                                            1     province    省份  青海省 2     domain  域名或者ip  tianfengyinlou.cn 3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 

sed还可以按照正则匹配来输出特定的行。格式为/xx/p, 例如,查找包含"青海省"的行记录:

sed -n '/青海省/p' text.txt                                                                                  1     province    省份  青海省 4     addr    注册地址    青海省西宁市城中区南关街138号 

查找包含数字0到6的行记录:

sed -n '/[0-6]/p' text.txt                                                                                          1     province    省份  青海省 2     domain  域名或者ip  tianfengyinlou.cn 3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 6     update_time 更新时间, 毫秒级时间戳    1607414120745 7     site_no 网站备案/许可证号   青ICP备11000289号-2 

查找以0结尾的行记录:

sed -n '/0$/p' text.txt                                                                                            5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 

如果想要支持扩展正则匹配,需要通过-r来指定,例如查找每一行包含"青海省"或者"青"的记录:

sed -nr '/青海省|青/p' text.txt                                                                                    1     province    省份  青海省 3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 7     site_no 网站备案/许可证号   青ICP备11000289号-2 

sed正则匹配也支持按范围输出,格式为/xx/,/xx/p。例如查找包含"domain"的行到包含"addr"的行记录:

sed -n '/domain/,/addr/p' text.txt 2     domain  域名或者ip  tianfengyinlou.cn 3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 

删除

# 删除第三行 sed 3d text.txt                                                                                                     1     province    省份  青海省 2     domain  域名或者ip  tianfengyinlou.cn 4     addr    注册地址    青海省西宁市城中区南关街138号 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 6     update_time 更新时间, 毫秒级时间戳    1607414120745 7     site_no 网站备案/许可证号   青ICP备11000289号-2 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 9     comp_name   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司  # 删除包含青的行 sed '/青/d' text.txt                                                                                                2     domain  域名或者ip  tianfengyinlou.cn 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 6     update_time 更新时间, 毫秒级时间戳    1607414120745 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 9     comp_name   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司  # 更改text.txt cat text.txt                                                                                                       ysj@yangsj2-knownsec 1     province    省份  青海省 2     domain  域名或者ip  tianfengyinlou.cn  3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 #5     check_time  备案时间, 时间对象  2011-06-23 16:38:00  #6     update_time 更新时间, 毫秒级时间戳    1607414120745 7     site_no 网站备案/许可证号   青ICP备11000289号-2 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 9     comp_name   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司  # 删除空行和注释行 sed -r '/^$|#/d' text.txt                                                                                           1     province    省份  青海省 2     domain  域名或者ip  tianfengyinlou.cn 3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 7     site_no 网站备案/许可证号   青ICP备11000289号-2 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 9     comp_name   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司 

增加

sed的增加动作有三种:

  • i:在指定行的上方增加一行
  • a: 在指定行的下方增加一行
  • c: 在指定行的地方增加一行,原有行会被覆盖

上述三种增加行为示例为:

注意:示例的增加行为在mac上会报错,可能在mac上用法不一致。

# 在第3行上方增加一行记录 sed '3i insert oneline above 3rd line' text.txt  1     province    省份  青海省 2     domain  域名或者ip  tianfengyinlou.cn insert oneline above 3rd line 3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 6     update_time 更新时间, 毫秒级时间戳    1607414120745 7     site_no 网站备案/许可证号   青ICP备11000289号-2 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 9     comp_name   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司  # 在第3行下方增加一行记录 sed '3a insert oneline after 3rd line' text.txt  1     province    省份  青海省 2     domain  域名或者ip  tianfengyinlou.cn 3     subject_no  主体备案号   青ICP备11000289号 insert oneline after 3rd line 4     addr    注册地址    青海省西宁市城中区南关街138号 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 6     update_time 更新时间, 毫秒级时间戳    1607414120745 7     site_no 网站备案/许可证号   青ICP备11000289号-2 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 9     comp_name   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司  # 在第3行创建一行记录,原记录被替换 sed '3c create oneline at 3rd line' text.txt  1     province    省份  青海省 2     domain  域名或者ip  tianfengyinlou.cn create oneline at 3rd line 4     addr    注册地址    青海省西宁市城中区南关街138号 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 6     update_time 更新时间, 毫秒级时间戳    1607414120745 7     site_no 网站备案/许可证号   青ICP备11000289号-2 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 9     comp_name   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司 

修改

上述所有的操作输出均没有改变文件自身的内容。想要使得操作改变文件自身的内容,需要指定选项-i。指定-i的操作需要格外小心。

例如,在文件中第一行插入一行记录:

sed -i '1i add oneline above first line' text.txt cat text.txt  add oneline above first line 1     province    省份  青海省 2     domain  域名或者ip  tianfengyinlou.cn 3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 6     update_time 更新时间, 毫秒级时间戳    1607414120745 7     site_no 网站备案/许可证号   青ICP备11000289号-2 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 9     comp_name   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司 

sed的删除动作为d(delete),例如删除文件中的第一行:

# 删除增加的第一行 sed -i 1d text.txt  cat text.txt  1     province    省份  青海省 2     domain  域名或者ip  tianfengyinlou.cn 3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 6     update_time 更新时间, 毫秒级时间戳    1607414120745 7     site_no 网站备案/许可证号   青ICP备11000289号-2 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 9     comp_name   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司 

当然,我们也有办法做安全的删除操作,即将-i换成-i.bak 可以在真实改动文件内容前,备份文件。但是这个操作一般不适合应用在大文件上,因为备份很慢。

# 删除第一行并备份 sed -i.bak 1d text.txt  cat text.txt 2     domain  域名或者ip  tianfengyinlou.cn 3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 6     update_time 更新时间, 毫秒级时间戳    1607414120745 7     site_no 网站备案/许可证号   青ICP备11000289号-2 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 9     comp_name   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司 cat text.txt.bak  1     province    省份  青海省 2     domain  域名或者ip  tianfengyinlou.cn 3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 6     update_time 更新时间, 毫秒级时间戳    1607414120745 7     site_no 网站备案/许可证号   青ICP备11000289号-2 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 9     comp_name   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司 

替换

sed可以对文件内容进行替换(substitute),格式为使用任意三个相同的符号,如三个斜线s/xx/yy/g、三个#号s#xx#yy#g、三个@符号s@xx@yy@g等,效果是将xx替换为yy。

这里的符号选择是任意的,可以是三个1,三个2都行。常用的是上述三种,因为和文件内容重合度最小,具体使用哪种,需要根据文件内容选择。如果文件内容本身包含了/,则不方便使用三个斜线来操作。

# 将"青" 替换为"蜀" sed 's/青/蜀/g' text.txt                                                                                            1     province    省份  蜀海省 2     domain  域名或者ip  tianfengyinlou.cn 3     subject_no  主体备案号   蜀ICP备11000289号 4     addr    注册地址    蜀海省西宁市城中区南关街138号 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 6     update_time 更新时间, 毫秒级时间戳    1607414120745 7     site_no 网站备案/许可证号   蜀ICP备11000289号-2 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 9     comp_name   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司  # 将第三行的青替换为蜀 sed '3s/青/蜀/g' text.txt                                                                                           1     province    省份  青海省 2     domain  域名或者ip  tianfengyinlou.cn 3     subject_no  主体备案号   蜀ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 6     update_time 更新时间, 毫秒级时间戳    1607414120745 7     site_no 网站备案/许可证号   青ICP备11000289号-2 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 9     comp_name   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司  # 把所有数字替换为x sed -r 's/[0-9]/x/g' text.txt                                                                                       x     province    省份  青海省 x     domain  域名或者ip  tianfengyinlou.cn x     subject_no  主体备案号   青ICP备xxxxxxxx号 x     addr    注册地址    青海省西宁市城中区南关街xxx号 x     check_time  备案时间, 时间对象  xxxx-xx-xx xx:xx:xx x     update_time 更新时间, 毫秒级时间戳    xxxxxxxxxxxxx x     site_no 网站备案/许可证号   青ICP备xxxxxxxx号-x x     site_url    站点/网站首页网址   www.tianfengyinlou.cn x     comp_name   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司 

g是全局(gloabal)替换的意思,如果不要g,则只会替换匹配到的第一项:

# 把每一行的第一个数字替换为x sed -r 's/[0-9]/x/' text.txt                                                                                       x     province    省份  青海省 x     domain  域名或者ip  tianfengyinlou.cn x     subject_no  主体备案号   青ICP备11000289号 x     addr    注册地址    青海省西宁市城中区南关街138号 x     check_time  备案时间, 时间对象  2011-06-23 16:38:00 x     update_time 更新时间, 毫秒级时间戳    1607414120745 x     site_no 网站备案/许可证号   青ICP备11000289号-2 x     site_url    站点/网站首页网址   www.tianfengyinlou.cn x     comp_name   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司 

反向引用

反向引用就是利用正则的组匹配来以组为单位进行替换。

# 例如匹配所有的英文词句([a-z_.]+),然后把他们用<>括起来, 1表示第一组,这里只有一个组匹配 sed -r 's/([a-z_.]+)/<1>/g' text.txt                                                                               1     <province>    省份  青海省 2     <domain>  域名或者<ip>  <tianfengyinlou.cn> 3     <subject_no>  主体备案号   青ICP备11000289号 4     <addr>    注册地址    青海省西宁市城中区南关街138号 5     <check_time>  备案时间, 时间对象  2011-06-23 16:38:00 6     <update_time> 更新时间, 毫秒级时间戳    1607414120745 7     <site_no> 网站备案/许可证号   青ICP备11000289号-2 8     <site_url>    站点/网站首页网址   <www.tianfengyinlou.cn> 9     <comp_name>   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司 

awk

取行

awk可以通过NR(Number of Record) 指定行号,输出特定的行:

# 输出第三行 awk 'NR==3' text.txt                                                                                                3     subject_no  主体备案号   青ICP备11000289号 

也可以按行号范围输出:

# 输出第三到第六行 awk 'NR==3, NR==6' text.txt                                                                                         3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 6     update_time 更新时间, 毫秒级时间戳    1607414120745  # 也可以通过比较指定输出范围 # 输出3到4行 awk 'NR>=3 && NR<5' text.txt                                                                                        3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 

第二个NR如果是个无效的行号值,则默认取出指定起始行之后所有的行记录:

# 输出第三行之后的所有行 awk 'NR==3, NR==xx' text.txt                                                                                        3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 5     check_time  备案时间, 时间对象  2011-06-23 16:38:00 6     update_time 更新时间, 毫秒级时间戳    1607414120745 7     site_no 网站备案/许可证号   青ICP备11000289号-2 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 9     comp_name   主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司 

取行操作依然支持正则匹配:

# 输出包含青的行 awk '/青/' text.txt                                                                                                 1     province    省份  青海省 3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 7     site_no 网站备案/许可证号   青ICP备11000289号-2  # 输出以"号"结尾的行 awk '/号$/' text.txt                                                                                                3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号  # 输出包含domain到包含addr的行 awk '/domain/, /addr/' text.txt                                                                                     2     domain  域名或者ip  tianfengyinlou.cn 3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 

取列

awk可以使用{print $列号} 取出列值:

# 例如,取出第二列的值 awk '{print $2}' text.txt                                                                                       province domain subject_no addr check_time update_time site_no site_url comp_name  # 取出第2列及最后一列NF(Number of Fields)的值 awk '{print $2,$NF}' text.txt                                                                                       province 青海省 domain tianfengyinlou.cn subject_no 青ICP备11000289号 addr 青海省西宁市城中区南关街138号 check_time 16:38:00 update_time 1607414120745 site_no 青ICP备11000289号-2 site_url www.tianfengyinlou.cn comp_name 西宁天丰银楼金银珠宝有限公司  # 使用column -t 对齐输出 awk '{print $2,$NF}' text.txt | column -t                                                                           province     青海省 domain       tianfengyinlou.cn subject_no   青ICP备11000289号 addr         青海省西宁市城中区南关街138号 check_time   16:38:00 update_time  1607414120745 site_no      青ICP备11000289号-2 site_url     www.tianfengyinlou.cn comp_name    西宁天丰银楼金银珠宝有限公司 

awk取列时,默认是空格为分隔符,可以通过-F指定分隔符,例如,第7-8行:

awk "NR==7,NR==8" text.txt                                                                                          7     site_no 网站备案/许可证号   青ICP备11000289号-2 8     site_url    站点/网站首页网址   www.tianfengyinlou.cn 

取出第7、8行后,按/进行划分,取出划分后的第二列:

awk "NR==7,NR==8" text.txt | awk -F/ '{print $2}'                                                                   许可证号   青ICP备11000289号-2 网站首页网址   www.tianfengyinlou.cn 

-F 可以通过[]正则指定多个分隔符:

# 按空格和/ 进行分隔, 取出1到4列 awk "NR==7,NR==8" text.txt | awk -F'[ /]+' '{print $1,$2,$3,$4}'                                                    7 site_no 网站备案 许可证号 8 site_url 站点 网站首页网址 

精确取行列

awk可以精确取出某一行某一列的值。一些用例如:

# ~ 表示包含, !~ 表示不包含 # 取出第四列包含"青"的行 awk '$4 ~ /青/' text.txt                                                                                        1     province    省份  青海省 3     subject_no  主体备案号   青ICP备11000289号 4     addr    注册地址    青海省西宁市城中区南关街138号 7     site_no 网站备案/许可证号   青ICP备11000289号-2  # 取出第四列以"号"结尾的行,并输出最后一列 awk '$4 ~ /号$/{print $NF}' text.txt                                                                                青ICP备11000289号 青海省西宁市城中区南关街138号  # 取出第2列以d开始,到第四列以号结尾的行记录 awk '$2 ~ /^d/, $4 ~/号$/' text.txt                                                                                 2     domain  域名或者ip  tianfengyinlou.cn 3     subject_no  主体备案号   青ICP备11000289号 

BEGIN

awk可以使用BEGIN在操作文件内容前执行一些命令:

# 列如输出表头 awk 'BEGIN{print "序号","名称","含义","示例"} {print $1,$2,$3,$4}' text.txt | column -t                             序号  名称          含义                   示例 1     province     省份                   青海省 2     domain       域名或者ip              tianfengyinlou.cn 3     subject_no   主体备案号              青ICP备11000289号 4     addr         注册地址                青海省西宁市城中区南关街138号 5     check_time   备案时间,               时间对象 6     update_time  更新时间,               毫秒级时间戳 7     site_no      网站备案/许可证号        青ICP备11000289号-2 8     site_url     站点/网站首页网址        www.tianfengyinlou.cn 9     comp_name    主办单位名称(公司名称)    西宁天丰银楼金银珠宝有限公司 

END

awk可以使用END在操作文件内容后执行一些命令:

# 通常用于做统计, 例如对第一列求和 awk '{sum+=$1} END{print sum}' text.txt                                                                             45 

使用小结

  • grep、sed、awk都可以过滤行记录,但过滤行记录时优先选择grep,其过滤行的效率最高。
  • sed主要用于对文件内容做出各种修改(增加、替换等)。
  • awk主要用于对文件内容取行列操作。

本文转自:https://juejin.cn/post/7100556924524953614