grep，awk ，sed——Linux 文本处理三剑客

[[:digit:]]：匹配单个数字；[[:lower:]]：匹配单个小写字母；[[:upper:]]：匹配单个大写字母；[[:punct:]]：匹配单个标点字符；[[:space:]]：匹配单个空白字符；[[:alpha:]]：匹配单个字母；[[:alnum:]]：匹配单个字母或数字；

匹配次数（贪婪模式）

*：匹配其前面的字符任意次?：匹配其前面的字符0次或者1次+：匹配其前面的字符至少1次.*：任意长度的任意字符

位置锚定

^: 锚定行首，此字符后面的任意内容必须出现在行首$: 锚定行尾，此字符前面的任意内容必须出现在行尾^$: 空白行

LInux实际使用

由于linux系统shell解释器的特殊处理，某些元字符在linux下具有展开式等特殊含义，在实际的使用过程中我们需要添加\进行转义。\?：匹配其前面的字符1次或0次；\+：匹配至少一次；\{m,n\}：匹配其前面的字符至少m次，至多n次；\{1,\}：匹配前面的字符至少1次；\{0,3\}：匹配前面的字符0次至3次均可；

备注：至少0次，必须要显示的写出来；

\<或\b：锚定词首，其后面的任意字符必须作为单词首部出现\>或\b：锚定词尾，其前面的任意字符必须作为单词的尾部出现

分组与后向引用

``$ab$*``\1：引用第1个左括号以及与之对应的括号所包括的所有内容；\2：引用第2个左括号以及与之对应的括号所包括的所有内容，以此类推；

二、拓展正则表达式

可以看到标准正则表达的使用过程中，许多符号都需要转义，这在工作中带来了一定的不便，因此扩展的正则表达式便出现了。

字符匹配：

.：匹配单个字符；[abc]：包含abc任意一个字符[^abc]：不包含abc任意一个字符

次数匹配（不用再转义）：

*：匹配前一个字符任意次；?：匹配其前面的字符1次或0次；+：匹配其前面的字符至少1次；{m,n}：匹配其前面的字符至少m次，至多n次；

位置锚定：

对比使用方式：^ 和 $这里要注意的是对于词首定位和词尾定位，分别是\< 和 \>，依然需要加上反斜杠；

分组（不用再转义）：

()：分组\1, \2, \3：分别对应第n个括号所匹配的内容；

或运算

|：可以同时取并集；

注意：C|cat表示的是C或cat（表示的是整个部分）

可以看到，使用扩展的正则表达式可以省略很多的转义符号，这尤其在写sed语句时极大的提高了代码的可读性。建议优先使用扩展的正则表达式。

三、grep命令家族

grep相关命令

grep命令家族由grep, egrep, fgrep 三个子命令组成，适用于不同的场景。具体如下：

命令描述

grep 原生的grep命令，使用“标准正则表达式”作为匹配标准。egrep 扩展的grep命令，相当于$(grep -E)，使用“扩展正则表达式”作为匹配标准。fgrep 简化版的grep命令，不支持正则表达式，但搜索速度快，系统资源使用率低。

使用方法

语法 grep [options] PATTERN [FILE...]

options部分 -i：忽略大小写--color：高亮匹配上的字符串-v: 显示没有被模式匹配到的行-o：只显示被模式匹配到的字符串-E：使用扩展的正则表达式，egrep=grep -E

PATTERN部分 以字符串的方式给定匹配模板，可以使用普通字符串以及正则表达式(标准&扩展)。

FILE部分 需要查找内容的文件。

四、sed命令

概述

sed全称为Stream EDitor，sed是一个流编辑器，在处理行内容时功能十分强大。

基本语法

sed [option] 'script' [input file]...

option部分

-n：不输出模式空间中未匹配上的内容stdout，详情可以看4.3高级用法；-e：可以在sed命令中指定多个script脚本，多点编辑功能；-f：输入sed脚本，脚本中写着编辑命令；-r：支持使用扩展的正则 ；-i：直接编辑源文件；

script部分

script部分包含两个内容，其一是定界，即确定我们要操作的范围。另一个内容是操作，比如替换、插入当前行或在后面插入等操作。

a)定界-空地址

即全文编辑；

b)定界-单地址：

n：指定第n行，对特定行进行编辑；举例：sed -n '1p' passwd 仅输出第一行；/pattern/：指定模式匹配到的那一行，注意这里的pattern不是扩展正则表达式，如果要用扩展的正则表达式，需要在option需要使用-r；举例：sed -n '/sbin/p' passwd 输出能够匹配上sbin的内容行；

c)定界-范围：

n,m：定位从第n行开始至第m行(都是闭区间)；n,+k：定位从第n行开始，包括往后的k行；n,/pattern/：定位从第n行开始，至指定模式匹配到的那一行；/pattern1/,/pattern2/：定位从pattern1模式匹配开始，直到pattern2模式匹配之间的范围；

d)定界-步进方式：

1~2：以1为起始行，然后步进2行向下匹配，即所有的奇数行；2~2：以2为起始行，然后步进2行向下匹配，即所有的偶数行；

e)编辑操作：

d：删除整行，d放在定界后面。

举例：sed '/sbin/d' passwd；

p：显示模式空间中的内容, p放在定界后面。一般来说，p操作和-n选项配合使用，筛选出我们匹配的行。若不加-n的话，由于模式空间中未匹配上的行也会输出，我们会发现所有内容都输出并且匹配行会输出2次；

a：在匹配的行后面增加文本，使用\n支持多行追加，a放在定界后面。举例：sed '1a first_line\nsecond_line' passwd 在第1行后面插入两行内容(first_line 和 second_line)；

i：在匹配的行前面增加文本，i放在定界后面。举例：sed '3i hello' passwd；c：替换匹配行为指定的文本。举例：sed '/root/c text' passwd 把匹配到的行替换成text；

w：保存模式空间中匹配的内容到指定位置。举例：sed -n '/^[^#]/w /tmp/demo' /etc/fstab 即将/etc/fstab中非#开头的行输出保存到/tmp/demo中。r：读取指定文件的内容添加到当前文件匹配到的行后面，进行文件合并。举例：sed '2r /etc/passwd' 1.txt 即将/etc/passwd文件的内容读取，并插入到1.txt文件的第二行处。!：条件取反。用法：地址定界!编辑命令。s///：条件替换，这里的/可以用其他特殊符号，其替换分隔符的判定标准是s字符后的第一个特殊符号。这在替换文本中涉及特殊符号时特别好使，我们避开需要替换的特殊符号即可。即sed 's@root@me@g' /etc/passwd 等同于 sed 's/root/me/g' /etc/passwd。

替换标记备注：g(全局替换)，p(显示替换成功的行) 替换举例：根据输入查找目录，下面输出的是/var/log/``echo "/var/log/messages" | sed 's@[^/]\+$/\?@@'

sed高级用法

1.模式空间与保持空间

在模式空间中，完成匹配的操作。当没有匹配上的时候，文本行内容会默认输出stdout；当匹配上文本行的时候，会执行编辑命令，执行结果输出到stdout中。保持空间可以理解为一个暂存区，只是用于完成额外的动作。

2.相关参数

h：把模式空间中的内容覆盖至保持空间中；H：把模式空间中的内容追加至保持空间中；g：把保持空间中的内容覆盖至模式空间中；G：把保持空间中的内容追加至模式空间中；x：把模式空间中的内容与保持空间中的内容互换；n：覆盖读取匹配到的行的下一行(改变指向)至模式空间中；N：追加读取匹配到的行的下一行(改变指向)至模式空间中；d：删除模式空间中的行；D：删除多行模式空间中的所有行；

3.举例

sed -n 'n;p' FILE：显示偶数行；sed '1!G;h;$!d' FILE：逆序显示文件的内容；sed '$!d' FILE：取出最后一行；sed '\$!N;$!D' FILE：取出文件后两行；sed '/^$/d;G' FILE：删除原有的所有空白行，而后为所有的非空白行后添加一个空白行；sed 'n;d' FILE：显示奇数行；sed 'G' FILE：在原有的每行后方添加一个空白行；

4.基础面试题举例

面试题1：提取字符串中的指定字符串

/bin/bash
info="hellozimskyshenzhen"
echo $info | sed 's/hello\(\w\+\)shenzhen/\1/g'

注意事项：sed中不支持\d，如果要用数字用[0-9]，但是支持\w。在一般正则表达式中，sed中的()要转义，+要转义，<>要使用\转义。如果不想这么麻烦，那就加上-r选项使用扩展正则表达式吧！

面试题2：判断输入是否为整数

#!/bin/bash
if [ -n "$(echo $1 | sed -n '/^[0-9]\+$/p')" ] ; then
  echo 'yes'
else
  echo 'no'
fi

五.awk命令

awk概述

awk是发明该工具三个作者姓名的首字母简称，awk是一个报表生成器，主要用于格式化输出。格式化文本输出器。

基本用法

1.语法

awk [option] 'PATTERN{ACTION STATEMENTS}' FILEawk按照行来读取文档，根据输入分隔符切分成小部分(用內建变量来表示$0,$1,$2等)，用ACTION STATEMENTS来处理该行文本。$0表示显示整行。

2.常用选项option

-F：指名输入字段的分隔符；-v：用来实现自定义变量var=value；

3.PATTERN（用于定界）

``：表示处理文件的所有行；/pattern/：表示处理正则匹配对应的行；!/pattern/：表示处理正则不匹配的行；关系表达式：比如NR>2等返回布尔类型的表达式。若结果为真则处理，假则不处理。对于非0非空字符串为真，其余为假。n：表示处理第n行的文本，注意这里不支持直接给出数字的格式，例如1,2{...}。详情请见举例。BEGIN/END模式：BEGIN{}表示仅在开始处理文件中的文本之前执行一次的程序，例如打印表头。END{}表示文本处理完成之后执行一次，例如汇总数据。

举例：
在/etc/passwd文件中，以:为分隔符，筛选出最后一列为/bin/bash的行，并打印第一列和最后一列
awk -F: '$NF=="/bin/bash" {print $1, $NF}' /etc/passwd
awk -F: '$NF!="/bin/bash"{print $1,$NF}' passwd
awk -F: '$3<1000 {print $1, $3}' /etc/passwd
awk -F; '(NR>=2&&NR<=10){print $1}' /etc/passwd 行定界
awk -F: '{printf "%-15s %10s\n", $1, $2}' /etc/passwd

4.內建变量（在引用变量时不用加$）

FS ：input field seperator：输入字段分隔符，默认空白字符。也可使用-v指定。OFS ：输出字段分隔符。使用-v指定。RS ：输入时的换行符ORS ：输出时的换行符NF ：number of field 每一行的字段数量。加上$NF表示最后一列 。NR ：number of record 文件的行数，打印出来是打印行号FNR ：多个文件中的行数分别计数FILENAME ：当前文件的文件名ARGC ：参数命令行中参数的个数ARGV ：返回数组，命令行中的每个参数举例：awk 'BEGIN {print ARGV[0]}' /etc/fstab /etc/issue 在这里ARGV[0]是awk，固定为第0个参数。ARGV[1]是/etc/fstab，ARGV[2]是/etc/issue 举例：awk -v FS=':' '{print $1}' -v OFS=':' /etc/passwd 指名冒号作为输入的分隔符。同awk -F: ...

5.自定义变量

方法1：-v var=value (区分字符的大小写) 方法2：在program中定义

举例：awk -v test='hello' 'BEGIN {print test}' awk 'BEGIN {test='hello' print test}'

6.常用的ACTION命令

print 输出格式：print item1,item2 ... 备注：使用逗号作为分隔符；输出item可以是字符串、內建变量、awk表达式；若省略item，则显示$0整行；
printf 格式化输出：printf FORMAT, item1, item2...按位放在format中。注意事项：format必须要给出；如需换行，必须要显示写出；format中需要为后面每个item指定格式符；
Expressions
Control statements：控制语句if，while if(condition){statement} if(condition){statement} else {statements} while(condition) {statements} do {statements} while(condition) for(expr1;expr2;expr3) {statements} break continue delete array[index] delete array删除整个数组 exit 退出语句
Compound statements：组合语句
Input statements：输入语句
Output statements：输出语句格式符 ：%c：显示字符的ASCII值 %d：显示十进制整数 %e：科学计数法数值显示 %f：显示为浮点数 %g：以科学计数法显示浮点数 %s：显示字符串 %u：显示无符号整数 %%：显示%自身修饰符 ：#[.#]：第一个数字用于控制显示字符的宽度，第二个数字表示小数的精度(对于浮点数而言)；输出默认右对齐%15s，左对齐：%-15s；+：表示带正负符号；操作符 ：算数操作符：+-/* ; +x把字符串转换成数值；-x改成负数；字符串操作符：字符串连接(没有操作符) 复制操作符：=,+=,-=,/=,++,-- 比较操作符：>,<,<=,!=,==模式匹配符 ： ~：左侧的字符串是否被模式匹配 !~：左侧的字符串是否不能被模式匹配逻辑操作符 ： &&：与 ||：或 !：非函数调用 ： function_name(arg1, arg2, ...)条件表达式 ： selector?true_exp:false_exp 和三目运算符一样
操作例子

一般来说, 打印无状态内容放在BEGIN和END块中 
awk -v begin="hello" -v end="ok" -F: 'BEGIN{print begin}; {print $1, $NF}; END{print end}' /etc/passwd

awk高级用法及举例

awk常用内置变量

$1:表示第一列
$NF:表示最后一列
$NR:表示行号

常用条件表示

/指定内容/ 这种方式可以匹配到含有“指定内容”的行，在条件中不添加$#所带的项，建议不使用正则，有异常情况。

awk -F: '/nologin/{print $0}' /etc/passwd #匹配到含有nologin关键字的行
seq 100 | awk '/1/{print $1}'

$#=/指定内容/ 这种方式指定第#列匹配指定内容

awk -F: '$1=/bin/{print $0}' /etc/passwd

$#~/指定内容/ 这种方式用于指定列模糊匹配(正则匹配)指定内容，并获取该行。

awk -F: '$1~/dae/{print $1}' /etc/passwd  #正向选择
awk -F: '$1!~/dae/{print $1}' /etc/passwd #反向选择

值判断使用>,<,>=,<=,==,!=来判断指定列的值。

awk -F: '$3>=10{print $1}' /etc/passwd

逻辑判断使用&&,||来进行逻辑判断。

awk -F: '$3>=5 && $3<=10{print $1}' /etc/passwd

if条件判断

awk -F: '{if ($NF~/nologin$/){i++}else{j++}}; END{print i, j}' /etc/passwd
#注意if-else条件判断是放在{}中的

字典使用在awk中可以定义数组类型，用于统计。

awk '{ip[$1]++}; END{for (i in ip) {print i, ip[i]}}' access.log
#解析: 将第一列ip设置为字典的key，当出现一次相同的ip时自增1，用于统计所有的ip计数。
#for循环中取到每个字典对应的key，再使用print块打印出来。注意花括号的隔离。
#QQ号 等级  时长
#统计等级(30<=x<=90)，相同账号的时长
#1234 12 23
#1234 10 122
#1233 92 4212
#1233 42 4252
#1239 87 2313
#1233 56 1121
#1231 19 45
#1235 45 679

cat data | awk '$2>=30&&$2<=90{dic[$1]+=$3}; END{for (i in dic) {print i, dic[i]}}'

grep，awk ，sed——Linux 文本处理三剑客

五.awk命令

猜你喜欢