Zi 字媒體

信息安全公益宣傳，信息安全知識啟蒙。本文將介紹Linux下使用Shell處理文本時最常用的工具：find、grep、xargs、sort、uniq、tr、cut、paste、wc、sed、awk；提供的例子和參數都是最常用和最為實用的；我對shell腳本使用的原則是命令單行書寫，盡量不要超過2行；如果有更為複雜的任務需求，還是考慮python吧；find 文件查找查找txt和pdf文件 find . \( -name "*.txt" -o -name "*.pdf" \) -print正則方式查找.txt和pdf find . -regex ".*\(\.txt|\.pdf\)$"-iregex： 忽略大小寫的正則否定參數 查找所有非txt文本指定搜索深度 列印出當前目錄的文件（深度為1） find . -maxdepth 1 -type f 定製搜索按類型搜索：按時間搜索：最近7天被訪問過的所有文件： find . -atime 7 -type f -print按大小搜索： w字 k M G 尋找大於2k的文件按許可權查找： find . -type f -perm 644 -print //找具有可執行許可權的所有文件按用戶查找：找到后的後續動作刪除：刪除當前目錄下所有的swp文件： find . -type f -name "*.swp" -delete註：{}是一個特殊的字元串，對於每一個匹配的文件，{}會被替換成相應的文件名；eg：將找到的文件全都copy到另一個目錄： find . -type f -mtime +10 -name "*.txt" -exec cp {} OLD \;結合多個命令tips: 如果需要後續執行多個命令，可以將多個命令寫成一個腳本。然後 -exec 調用時執行腳本即可； -exec ./commands.sh {} \;-print的定界符默認使用'\n'作為文件的定界符；-print0 使用'\0'作為文件的定界符，這樣就可以搜索包含空格的文件；grep 文本搜索grep match_patten file // 默認訪問匹配行常用參數-o 只輸出匹配的文本行 VS -v 只輸出沒有匹配的文本行-c 統計文件中包含文本的次數 grep -c "text" filename-n 列印匹配的行號-i 搜索時忽略大小寫-l 只列印文件名在多級目錄中對文本遞歸搜索(程序員搜代碼的最愛）：匹配多個模式 grep -e "class" -e "vitural" filegrep輸出以\0作為結尾符的文件名：（-z）xargs 命令行參數轉換xargs 能夠將輸入數據轉化為特定命令的命令行參數；這樣，可以配合很多命令來組合使用。比如grep，比如find；將多行輸出轉化為單行輸出cat file.txt| xargs\n 是多行文本間的定界符cat single.txt | xargs -n 3-n：指定每行顯示的欄位數xargs參數說明-d 定義定界符 （默認為空格 多行的定界符為 \n）-n 指定輸出為多行-I {} 指定替換字元串，這個字元串在xargs擴展時會被替換掉,用於待執行的命令需要多個參數時cat file.txt | xargs -I {} ./command.sh -p {} -1-0：指定\0為輸入定界符eg：統計程序行數find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -lsort 排序欄位說明：-n 按數字進行排序 VS -d 按字典序進行排序-r 逆序排序-k N 指定按第N列排序eg：sort -nrk 1 data.txtsort -bd data // 忽略像空格之類的前導空白字元uniq 消除重複行消除重複行 sort unsort.txt | uniq 統計各行在文件中出現的次數 sort unsort.txt | uniq -c找出重複行 sort unsort.txt | uniq -d可指定每行中需要比較的重複內容：-s 開始位置 -w 比較字元數用tr進行轉換通用用法 echo 12345 | tr '0-9' '9876543210' //加解密轉換，替換對應字元 cat text| tr '\t' ' ' //製表符轉空格tr刪除字元-c 求補集tr壓縮字元tr -s 壓縮文本中出現的重複字元；最常用於壓縮多餘的空格字元類tr中可用各種字元類：alnum：字母和數字alpha：字母digit：數字space：空白字元lower：小寫upper：大寫cntrl：控制（非可列印）字元print：可列印字元使用方法：tr [:class:] [:class:]cut 按列切分文本截取文件的第2列和第4列： cut -f2,4 filename去文件除第3列的所有列： cut -f3 --complement filename-d 指定定界符： cat -f2 -d";" filenamecut 取的範圍N- 第N個欄位到結尾-M 第1個欄位為MN-M N到M個欄位cut 取的單位-b 以位元組為單位-c 以字元為單位-f 以欄位為單位（使用定界符）eg: cut -c1-5 file //列印第一到5個字元 cut -c-2 file //列印前2個字元paste 按列拼接文本將兩個文本按列拼接到一起;默認的定界符是製表符，可以用-d指明定界符paste file1 file2 -d ","1,colin2,bookwc 統計行和字元的工具wc -l file // 統計行數wc -w file // 統計單詞數wc -c file // 統計字元數sed 文本替換利器首處替換 sed 's/text/replace_text/' file //替換每一行的第一處匹配的text全局替換 sed 's/text/replace_text/g' file默認替換后，輸出替換后的內容，如果需要直接替換原文件,使用-i： sed -i 's/text/repalce_text/g' file移除空白行： sed '/^$/d' file變數轉換已匹配的字元串通過標記&來引用.echo this is en example | seg 's/\w+/[&]/g'$>[this] [is] [en] [example]子串匹配標記第一個匹配的括弧內容使用標記 \1 來引用 sed 's/hello\([0-9]\)/\1/'雙引號求值sed通常用單引號來引用；也可使用雙引號，使用雙引號后，雙引號會對表達式求值：當使用雙引號時，我們可以在sed樣式和替換字元串中指定變數；eg:其它示例字元串插入字元：將文本中每行內容（PEKSHA） 轉換為 PEK/SHA sed 's/^.\{3\}/&\//g' fileawk 數據流處理工具awk腳本結構awk ' BEGIN{ statements } statements2 END{ statements } '工作方式1.執行begin中語句塊；2.從文件或stdin中讀入一行，然後執行statements2，重複這個過程，直到文件全部被讀取完畢；3.執行end語句塊；print 列印當前行使用不帶參數的print時，會列印當前行;print 以逗號分割時，參數以空格定界;echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3"; \print var1, var2 , var3; }'$>v1 V2 v3使用-拼接符的方式（""作為拼接符）;echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3"; \print var1"-"var2"-"var3; }'$>v1-V2-v3特殊變數： NR NF $0 $1 $2NR:表示記錄數量，在執行過程中對應當前行號；NF:表示欄位數量，在執行過程總對應當前行的欄位數；$0:這個變數包含執行過程中當前行的文本內容；$1:第一個欄位的文本內容；$2:第二個欄位的文本內容；列印每一行的第二和第三個欄位： awk '{print $2, $3}' file統計文件的行數： awk ' END {print NR}' file累加每一行的第一個欄位： echo -e "1\n 2\n 3\n 4\n" | awk 'BEGIN{num = 0 ; print "begin";} {sum += $1;} END {print "=="; print sum }'傳遞外部變數用樣式對awk處理的行進行過濾awk 'NR < 5' #行號小於5awk 'NR==1,NR==4 {print}' file #行號等於1和4的列印出來awk '/linux/' #包含linux文本的行（可以用正則表達式來指定，超級強大）awk '!/linux/' #不包含linux文本的行設置定界符使用-F來設置定界符（默認為空格）awk -F: '{print $NF}' /etc/passwd讀取命令輸出使用getline，將外部shell命令的輸出讀入到變數cmdout中；在awk中使用循環for(i=0;i<10;i++){print $i;}for(i in array){print array[i];}eg:以逆序的形式列印行：(tac命令的實現）seq 9| \awk '{lifo[NR] = $0; lno=NR} \END{ for(;lno>-1;lno--){print lifo[lno];}} 'awk實現head、tail命令head: awk 'NR<=10{print}' filenametail: awk '{buffer[NR%10] = $0;} END{for(i=0;i<11;i++){ \ print buffer[i %10]} } ' filename列印指定列awk方式實現： ls -lrt | awk '{print $6}'cut方式實現 ls -lrt | cut -f6列印指定文本區域確定行號 seq 100| awk 'NR==4,NR==6{print}'確定文本列印處於start_pattern 和end_pattern之間的文本； awk '/start_pattern/, /end_pattern/' filenameseq 100 | awk '/13/,/15/'cat /etc/passwd| awk '/mai.*mail/,/news.*news/'awk常用內建函數index(string,search_string):返回search_string在string中出現的位置sub(regex,replacement_str,string):將正則匹配到的第一處內容替換為replacement_str;match(regex,string):檢查正則表達式是否能夠匹配字元串；length(string)：返回字元串長度printf 類似c語言中的printf，對輸出進行格式化eg：seq 10 | awk '{printf "->%4s\n", $1}'迭代文件中的行、單詞和字元1. 迭代文件中的每一行while 循環法改成子shell:cat file.txt | (while read line;do echo $line;done)awk法：cat file.txt| awk '{print}'2.迭代一行中的每一個單詞for word in $line;do echo $word;done3. 迭代每一個字元${string:start_pos:num_of_chars}：從字元串中提取一個字元；(bash文本切片）${#word}:返回變數word的長度