八、文本处理工具

  • 八、文本处理工具已关闭评论
  • 57 次浏览
  • A+
所属分类:linux技术
摘要

文本提取工具(查看文本) 文本分析工具 文本操作工具 cat、more、less查看文本内容

文本提取工具(查看文本)

文本分析工具

文本操作工具

1、文本提取工具
  1. cat、more、less查看文本内容

  • cat:打印一个或多个文件到标准输出

 1 #合并文件  2 [root@example tmp]# cat file1.txt file2.txt > file3.txt  3   4 #查看文件行号  5 [root@example tmp]# cat -n /tmp/passwd | grep 12  6   7 #查看文件中是否存在特殊字符  8 [root@example tmp]# cat -A test.txt   9 #!/bin/bash$ 10 cat >> err.txt <<EOF$ 11 hostname:example.com$ 12 cpu:2h$ 13 mem:4096M$ 14 ip:192.168.200.154.111$ 15 EOF$

  • more:浏览文件内容,每次只看一页

  • less:浏览文件内容,每次只看一页

    • -/text:搜索text

    • -n/N:跳转到next/previous匹配的地方

    • -v:用文本编辑器打开该文件

    • man命令中是采用less来分页的

  1. head、tail过滤文本内容

  • head:显示文件的起始10行

    • 使用 -n选项指定显示的行

  • tail:显示文件最后10行

    • 使用-n选项指定显示的行

    • 使用-f选项将文件末尾追加的内容显示在当前终端

      • 对于监控日志文件非常有用

    如果需要在指定文本中取出内容(以行取)

    • 先用head取出最大行

    • 然后用 tail 减掉所需行数

  1. grep 文本过滤工具

    • -o:显示所有关键字

    • -i:忽略大小写

    • -n:显示行号

    • -c:显示行数

    • -v:显示不匹配的行(取反)

    • -q:静默模式,没有任何输出,得用 $? 来判断执行是否成功,即有没有过滤到想要的内容

    • -AX:将匹配行及其后X行一起显示

    • -BX:将匹配行及其前X行一起显示

    • -CX:将匹配行及其前后X行一起显示

    • -r:递归搜索目录,根据文本内容搜索文件

    • -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;例如:grep -rl ‘root’ /etc

    • –color=auto:用color颜色高亮显示匹配的数据

 1 #过滤关键字  2 [root@example tmp]# grep root passwd   3 root:x:0:0:root:/root:/bin/bash  4 operator:x:11:0:operator:/root:/sbin/nologin  5   6 #显示所有关键字  7 [root@example tmp]# grep -o root passwd   8 root  9 root 10 root 11 root 12  13 #忽略大小写 14 [root@example tmp]# grep -i root passwd  15 root:x:0:0:root:/root:/bin/bash 16 operator:x:11:0:operator:/root:/sbin/nologin 17  18 #显示行号 19 [root@example tmp]# grep -n root passwd  20 1:root:x:0:0:root:/root:/bin/bash 21 10:operator:x:11:0:operator:/root:/sbin/nologin 22  23 #取反 24 [root@example tmp]# grep -v root passwd  25 bin:x:1:1:bin:/bin:/sbin/nologin 26  27 #0表示上一条命令执行成功 28 [root@example tmp]# grep -q root passwd  29 [root@example tmp]# echo $? 30 0 31 #1表示上一条命令执行失败 32 [root@example tmp]# echo $? 33 1 34  35 [root@example var]# grep -A4 ftp passwd 36 [root@example var]# grep -B4 ftp passwd 37 [root@example var]# grep -C4 ftp passwd 38  39 [root@example var]# grep -rl passwd /etc 40 /etc/nsswitch.conf.bak 41 /etc/login.defs 42 /etc/security/pwquality.conf 43  44 [root@example var]# alias  45 alias cp='cp -i' 46 alias egrep='egrep --color=auto' 47 alias fgrep='fgrep --color=auto' 48 #取消高亮 49 [root@example var]# unalias grep 50 #打开高亮 51 [root@example var]# alias grep='grep --color=auto' 52 [root@example var]# source /etc/profile

    4. 正则表达式

又称标准正则表达式,是最早的正则表达式规范,仅支持最基本的元子符集。基本正则表达式是POSIX规范制定的两种正则表达式语法标准之一,另外一种语法标准称为扩展正则表达式。

1 [root@example var]# grep bash$ /etc/passwd 2 root:x:0:0:root:/root:/bin/bash 3 user:x:1000:1000:user:/home/user:/bin/bash 4 zhangsan:x:1005:1006::/home/zhangsan:/bin/bash

字符 含义
^ 在每行的开始进行匹配
$ 在每行的末尾进行匹配
< 在字的开始进行匹配
> 在字的末尾进行匹配
. 对任何单个字符进行匹配
[str] 对str中的任何单个字符进行匹配
[^str] 对任何不在str中的 单个字符进行匹配
[a-b] 对a到b之间的任何字符进行匹配
转义字符,抑制后面的一个字符的特殊含义
* 对前一项(item)进行0次或多次重复匹配

grep使用扩展的正则需要使用egrep或者是grep -E

 1 [root@example etc]# egrep roo passwd  2 root:x:0:0:root:/root:/bin/bash  3 operator:x:11:0:operator:/root:/sbin/nologin  4 [root@example etc]# grep -E roo+ passwd  5 root:x:0:0:root:/root:/bin/bash  6 operator:x:11:0:operator:/root:/sbin/nologin  7 [root@example etc]# grep -E 'bash|user' passwd  8 root:x:0:0:root:/root:/bin/bash  9 qemu:x:107:107:qemu user:/:/sbin/nologin 10 [root@example etc]# grep  -E '(roo?)' passwd 11 root:x:0:0:root:/root:/bin/bash 12 operator:x:11:0:operator:/root:/sbin/nologin 13  14 [root@example etc]# ifconfig | grep -Eo '([0-9]{,3}.){3}1{1}..' 15 192.168.200.154 16 127.0.0.1   17 192.168.122.1   18  19 [root@example etc]# ifconfig | grep -Eo '[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}'|grep -v 255 20 192.168.200.154 21 127.0.0.1 22 192.168.122.1 23  24 [root@example etc]# ifconfig | grep -w inet | cut -d " " -f10 25 192.168.200.154 26 127.0.0.1 27 192.168.122.1

  1. cut - 提取列或字段

  • 显示文件指定的列或者标准输入数据

    • cut -d: -f1 /etc/passwd; cut -d : -f1,3 passwd

    • grep root /etc/passwd | cut -d:-f7

  • -d:来指定列分隔符

  • -f: 来指定要打印的列

  • -c:指定按字符提取

    • cut -c 2-5 /usr/share/dict/words

  1. awk 以空作为默认的分隔符

  • awk -F 分隔符 ’{print $列}‘ 文件

1 [root@example ~]# ifconfig | grep -w inet | awk -F " " '{print $2}'  2 [root@example ~]# awk -F : '{print $1,$3}' /etc/passwd 3 [root@example ~]# ifconfig | grep -w inet | cut -d " " -f10 4 [root@example ~]# ifconfig | grep -w inet | cut -d " " -f10 | cut -d . -f4 | cut -c 1-2 5 [root@example ~]# cut -c 1-4 /etc/passwd 

2、文本分析工具
    1. 文本统计:wc

 1 [root@example tmp]# wc passwd   2   48  107 2636 passwd  3 第一列是文件的行数  4 第二列是文件的单词数  5 第三列是文件的字节数  6 [root@example tmp]# wc -l passwd   7 48 passwd  8 [root@example tmp]# wc -w passwd   9 107 passwd 10 [root@example tmp]# wc -c passwd  11 2636 passwd 12 [root@example tmp]# wc -wc passwd  13  107 2636 passwd

  1. 文本排序:sort

sort默认按照字符表的顺序排序,不是按照单词或者数字的方式排序

  • -n:以数字的方式进行排正序

  • -r:排倒序

  • -k:指定列

  • -t:指定分隔符

  • -u:去重

  • -f:忽略大小写

1 以数字进行排序 -n 2 [root@example tmp]# sort -t : -k 3 -n passwd  3 以数字进行倒序 -r 4 [root@example tmp]# sort -t : -k 3 -r -n passwd 

  1. 文本比较:diff

比较文本差异,可以使用图像化工具vimdiff

1 [root@example tmp]# diff /etc/passwd /tmp/passwd  2 47a48 3 > user2:x:1002:1002::/home/user2:/bin/bash 4 [root@example tmp]# vimdiff /etc/passwd /tmp/passwd  5 2 files to edit

3、文本操作工具
  1. 文本转换工具:tr

1 [root@example tmp]# tr a-z 1-2 < passwd  2 2222:2:0:0:2222:/2222:/222/2122

  1. 流编辑器:sed

用来进行文本的操作;查找、替换、删除、新增

  • 地址定界:指的是要操作的行

    • #:为数字,指定要进行处理操作的行

    • $_:表示最后一行,多个文件进行操作的时候,为最后一个文件的最后一行

    • /regexp/:表示能够被regexp匹配到的行,regexp及基于正则表达式的匹配

    • /regexp/l:匹配时忽略大小写

    • %regexp%:任何能够被regexp匹配到的行,换用%(用其它字符也可以,如:#)为边界符号,当内容出现 时使用

    • addr1,addr2:指定范围内的所有的行(范围选定)常用地址界表示方式

      • 0,/regexp/:从起始行开始到第一次能够被regexp匹配到的行

      • /regexp/,/regexp/:被模式匹配到的行内地的所有的行

    • first~step:指定起始的位置及步长,例如:1 ~ 2表示1,3,5…

    • addr1,+N:指定行以及以后的N行

    • addr1,~N:指定行开始的N行

 1 [root@example tmp]# sed -n 1p passwd   2 root:x:0:0:root:/root:/bin/bash  3 [root@example tmp]# sed -n 10,12p passwd   4 operator:x:11:0:operator:/root:/sbin/nologin  5 games:x:12:100:games:/usr/games:/sbin/nologin  6 ftp:x:14:50:FTP User:/var/ftp:/sbin/nologin  7 [root@example ~]# sed -n '/^root/p' /etc/passwd  8 root:x:0:0:root:/root:/bin/bash  9 [root@example ~]# sed -n '$p' /etc/passwd 10 zhangsan:x:1001:1001::/home/zhangsan:/bin/bash

地址定界的操作

  • p:打印模式空间的内容

  • d:删除匹配到的内容

  • -i:将操作保存到文件

  • atext:append,表示在匹配到的行之后追加内容

  • itext:insert,表示在匹配到的行之前追加内容

  • ctext:change,表示把匹配到的行和给定的文本进行交换

  • s/regexp/replacement/flages:查找替换,把text替换为 regexp 匹配到的内容(其中/可以用其它字符代替,例如@)

  • 其它编辑命令

    • g:全局替换,默认只替换第一个

    • i:不区分大小写

    • p:如果成功替换则打印

  • w /path/to/somefile:将匹配到的文件另存到指定的文件中

1 [root@example ~]# sed '1d' /etc/passwd 2 [root@example ~]# sed -i '1d' /etc/passwd 3 [root@example ~]# sed '/ftp/itext' /tmp/passwd  4 [root@example ~]# sed '/ftp/atext' /tmp/passwd  5 [root@example ~]# sed '/ftp/ctext' /tmp/passwd  6 [root@example ~]# sed -n 's/ftp/http/p' /tmp/passwd  7 http:x:14:50:FTP User:/var/ftp:/sbin/nologin 8 [root@example ~]# sed  '46,48 s/ftp/http/gip' /tmp/passwd  9 [root@example ~]# sed '/root/ w /tmp/zhangsan.txt' /tmp/passwd 

注意事项:

  • 如果没有指定地址,表示命令将应用于每一行

  • 如果只有一个地址,表示命令将应用于这个地址匹配的所有行

  • 如果指定了由逗号分隔的两个地址,表示命令应用于匹配第一个地址和第二地址之间的行(包括这两行)

  • 如果地址后面跟有感叹号,表示命令将应用于不匹配该地址的所有行