2021年（31）
分类： LINUX
2021-06-23 16:16:23
linux 有很多工具可以做文本处理，例如：sort, cut, split, join, paste, comm, uniq, column, rev, tac, tr, nl, pr, head, tail.....，学习 linux 文本处理的懒惰方式（不是最好的方法）可能是：只学习grep，sed和awk。
使用这三个工具，你可以解决近 99％ linux 系统的文本处理问题，而不需要记住上面不同的命令和参数。
而且，如果你已经学会并使用了三者，你就会知道其中的差异。实际上，这里的差异意味着哪个工具擅长解决什么样的问题。
一种更懒惰的方式可能是学习脚本语言（python，perl或ruby）并使用它进行每个文本处理。
awk、grep、sed 是 linux 操作文本的三大利器，也是必须掌握的 linux 命令之一。
三者的功能都是处理文本，但侧重点各不相同，其中属 awk 功能最强大，但也最复杂。grep 更适合单纯的查找或匹配文本，sed 更适合编辑匹配到的文本，awk 更适合格式化文本，对文本进行较复杂格式处理。
简单概括：
grep：数据查找定位
awk：数据切片
sed：数据修改
用最简单术语来说，grep(全局正则表达式打印)--命令用于查找文件里符合条件的字符串。 从文件的第一行开始，grep 将一行复制到 buffer 中，将其与搜索字符串进行比较，如果比较通过，则将该行打印到屏幕上。grep将重复这个过程，直到文件搜索所有行。
注意：这里没有进程执行 grep 存储行、更改行或仅搜索部分行。
请将以下数据剪切粘贴到一个名为 “sampler.log” 的文件中:
boot
book
booze
machine
boots
bungie
bark
aardvark
broken$tuff
robots
grep 最简单的例子是:
grep "boo" sampler.log
在本例中，grep 将遍历文件 “sampler.log” 的每一行，并打印出其中的每一行 包含单词“boo”:
boot
book
booze
boots
但是如果你操作的是大型文件，就会出现这种情况：如果这些行标识了文件中的哪一行，它们是什么，可能对你更有用，如果需要在编辑器中打开文件，那么可以更容易地跟踪特定字符串做一些改变。 这时候可以通过添加 -n 参数来实现:
grep -n "boo" sampler.log
这产生了一个更有用的结果，解释了哪些行与搜索字符串匹配:
1:boot
2:book
3:booze
5:boots
另一个有趣的参数是 -v，它会打印出相反的结果。换句话说，grep 将打印所有与搜索字符串不匹配的行，而不是打印与之匹配的行。
在下列情况下，grep 将打印不包含字符串 “boo” 的每一行，并显示行号，如上一个例子所示
grep -vn "boo" sampler.log
4:machine
6:bungie
7:bark
8:aardvark
9:broken$tuff
10:robots
c 选项告诉 grep 抑制匹配行的打印，只显示匹配行的数量，匹配查询的行。 例如，下面将打印数字4，因为有4个在 sampler.log 中出现 “boo”。
grep -c "boo" sampler.log
4
l 选项只打印查询中具有与搜索匹配行的文件的文件名字符串。 如果你想在多个文件中搜索相同的字符串，这将非常有用。像这样:
grep -l "boo" *
对于搜索非代码文件，一个更有用的选项是 -i，忽略大小写。这个选项将处理在匹配搜索字符串时，大小写相等。 在下面的例子中，即使搜索字符串是大写的，包含“boo”的行也会被打印出来。
grep -i "BOO" sampler.log
boot
book
booze
boots
x 选项只精确匹配。换句话说，以下命令搜索没有结果，因为没有一行只包含"boo"
grep -x "boo" sampler.log
最后，-A 允许你指定额外的上下文件行，这样就得到了搜索字符串额外行，例如
grep -A2 "mach" sampler.log
machine
boots
bungie
正则表达式是描述文本中复杂模式的一种紧凑方式。
有了 grep 你可以使用搜索模式( pattern ) 。其他工具使用正则表达式 (regexp) 以复杂的方式。而 grep 使用的普通字符串，实际上非常简单正则表达式。如果您使用通配符，如 ' * ' 或 ' ? '，比如列出文件名等，你可以使用 grep 使用基本的正则表达式进行搜索
例如搜索文件以字母 e 结尾的行:
grep "e$" sampler.log
booze
machine
bungie
如果需要更广泛的正则表达式命令，则必须使用 grep-E。
例如，正则表达式命令 ? 将匹配1或0次出现 之前的字符:
grep -E "boots?" sampler.log
boot
boots
你还可以使用 pipe(|) 结合多个搜索，它的意思是 “或者”，所以你可以这样做:
grep -E "boot|boots" sampler.log
boot
boots
如果你想搜索的是一个特殊字符，该怎么办?如果你想找到所有的直线，如果包含美元字符“$”，则不能执行 grep“$”a_file，因为 '$' 将被解释为正则表达式，相反，你将得到所有的行，其中有任何作为行结束，即所有行。 解决方案是 “转义” 符号，所以您将使用
grep '\$' sampler.log
broken$tuff
你还可以使用 “-F” 选项，它代表“固定字符串”或“快速”，因为它只搜索字符串，而不是正则表达式。
参考：
由 Aho，Weinberger 和 Kernighan 创建的文本模式扫描和处理语言。
AWK非常复杂，所以这不是一个完整的指南，但应该给你一个知道什么 awk 可以做。它使用起来比较简单，强烈建议使用。
awk 程序对输入文件的每一行进行操作。它可以有一个可选的 BEGIN{ } 部分在处理文件的任何内容之前执行的命令，然后主{ }部分运行在文件的每一行中，最后还有一个可选的END{ }部分操作将在后面执行文件读取完成:
BEGIN { …. initialization awk commands …}
{ …. awk commands for each line of the file…}
END { …. finalization awk commands …}
对于输入文件的每一行，它会查看是否有任何模式匹配指令，在这种情况下它仅在与该模式匹配的行上运行，否则它在所有行上运行。 这些 'pattern-matching' 命令可以包含与 grep 一样的正则表达式。
awk 命令可以做一些非常复杂的数学和字符串操作，awk也支持关联阵列。 AWK 将每条线视为由多个字段组成，每个字段由“间隔符”分隔。 默认情况下，这是一个或多个空格字符，因此行：
this is a line of text
包含6个字段。在 awk 中，第一个字段称为 $1，第二个字段称为 $2，等等，全部行称为 $0。
字段分隔符由 awk 内部变量 FS 设置，因此如果您设置 FS= ": "则它将根据 ':' 的位置划分一行，这对于 /etc/passwd 之类的文件很有用，其他有用的内部变量是 NR，即当前记录号(即行号) NF是当前行中字段的数量。
AWK 可以对任何文件进行操作，包括 std-in，在这种情况下，它通常与 '|' 命令一起使用，例如，结合 grep 或其他命令。
例如，如果我列出当前目录中的所有文件
ls -l
总用量 140
-rw-r--r-- 1 root root 55121 1月 3 17:03 combined_log_format.log
-rw-r--r-- 1 root root 80644 1月 3 17:03 combined_log_format_w_resp_time.log
-rw-r--r-- 1 root root 71 1月 3 17:55 sampler.log
` 我可以看到文件大小报告为3 列数据。如果我想知道它们的总大小，这个目录中的文件我可以做:
ls -l | awk 'BEGIN {sum=0} {sum=sum+$5} END {print sum}'
135836
请注意，'print sum' 打印变量 sum 的值，因此如果 sum = 2 则 'print sum' 给出输出 '2' 而 'print $ sum' 将打印 '1' ，因为第二个字段包含值 '1' 。
因此，会很简单编写一个可以计算平均值的和一列数字的标准偏差的 awk 命令 - 在主要内部积累 'sumx' 和 'sumx2' 部分，然后使用标准公式计算 END 部分的平均值和标准偏差。
AWK 支持（'for' 和 'while'）循环和分支（使用 'if '）。 所以，如果你想修剪一个文件并且只在每个第 3 行操作，你可以这样做：
ls -l | awk '{for (i=1;i<3;i++) {getline}; print NR,$0}'
3 -rw-r--r-- 1 root root 80644 1月 3 17:03 combined_log_format_w_resp_time.log
4 -rw-r--r-- 1 root root 71 1月 3 17:55 sampler.log
for 循环使用 “getline” 命令遍历文件，并且每隔3次才打印一行。
注意，由于文件的行数是4，不能被3整除，所以最后一个命令提前完成，所以最后的 “print $0” 命令打印第4行，你可以看到我们也打印了行，使用 NR 变量输出行号。
AWK 是一种面向行的语言。首先是模式，然后是动作。 操作语句用{ and }括起来。模式可能缺失，或者动作可能缺失，但是，当然不是都。 如果缺少模式，则对每个输入记录执行操作。一个丢失的动作将打印整个记录。
AWK 模式包括正则表达式(使用与“grep -E”相同的语法)和使用的组合特殊符号 “&&” 表示“逻辑AND ”，“||”表示“逻辑或”，“!” 的意思是“逻辑不”。
你也可以做关系模式、模式组、范围等。
if (condition) statement [ else statement ]
while (condition) statement
do statement while (condition)
for (expr1; expr2; expr3) statement
for (var in array) statement
break
continue
exit [ expression ]
注意：printf 命令允许你使用类似 C 的语法更密切地指定输出格式 例如，你可以指定给定宽度的整数，浮点数或字符串等。
你可以根据需要多次使用 ' -v ' 标志将变量传递给 awk 程序，例如
