English
中文 本文将介绍Linux下使用Shell处理文本时最常用的工具：
find、grep、xargs、sort、uniq、tr、cut、paste、wc、sed、awk；
提供的例子和参数都是最常用和最为实用的；
我对shell脚本使用的原则是命令单行书写，尽量不要超过2行；
如果有更为复杂的任务需求，还是考虑python吧；
find 文件查找
-
查找txt和pdf文件
find . \( -name "*.txt" -o -name "*.pdf" \) -print
-
正则方式查找.txt和pdf
find . -regex ".*\(\.txt|\.pdf\)$"
-iregex： 忽略大小写的正则
-
否定参数
查找所有非txt文本
find . ! -name "*.txt" -print
-
指定搜索深度
打印出当前目录的文件（深度为1）
find . -maxdepth 1 -type f
定制搜索
-
按类型搜索：
find . -type d -print //只列出所有目录
-type f 文件 / l 符号链接
-
按时间搜索：
-atime 访问时间 (单位是天，分钟单位则是-amin，以下类似）
-mtime 修改时间 （内容被修改）
-ctime 变化时间 （元数据或权限变化）
-
最近7天被访问过的所有文件：
find . -atime 7 -type f -print
-
按大小搜索：
w字 k M G
寻找大于2k的文件
find . -type f -size +2k
按权限查找：
find . -type f -perm 644 -print //找具有可执行权限的所有文件
按用户查找：
find . -type f -user weber -print// 找用户weber所拥有的文件
找到后的后续动作
-
删除：
删除当前目录下所有的swp文件：
find . -type f -name "*.swp" -delete
-
执行动作（强大的exec）
find . -type f -user root -exec chown weber {} \; //将当前目录下的所有权变更为weber
注：{}是一个特殊的字符串，对于每一个匹配的文件，{}会被替换成相应的文件名；
eg：将找到的文件全都copy到另一个目录：
find . -type f -mtime +10 -name "*.txt" -exec cp {} OLD \;
-
结合多个命令
tips: 如果需要后续执行多个命令，可以将多个命令写成一个脚本。然后 -exec 调用时执行脚本即可；
-exec ./commands.sh {} \;
-print的定界符
默认使用'\n'作为文件的定界符；
-print0 使用'\0'作为文件的定界符，这样就可以搜索包含空格的文件；
grep 文本搜索
grep match_patten file // 默认访问匹配行
-
常用参数
-o 只输出匹配的文本行 VS -v 只输出没有匹配的文本行
-c 统计文件中包含文本的次数
grep -c "text" filename
-n 打印匹配的行号
-i 搜索时忽略大小写
-l 只打印文件名
-
在多级目录中对文本递归搜索(程序员搜代码的最爱）：
grep "class" . -R -n
-
匹配多个模式
grep -e "class" -e "vitural" file
-
grep输出以\0作为结尾符的文件名：（-z）
grep "test" file* -lZ| xargs -0 rm
xargs 命令行参数转换
xargs 能够将输入数据转化为特定命令的命令行参数；这样，可以配合很多命令来组合使用。比如grep，比如find；
-
将多行输出转化为单行输出
cat file.txt| xargs
\n 是多行文本间的定界符
-
将单行转化为多行输出
cat single.txt | xargs -n 3
-n：指定每行显示的字段数
xargs参数说明
-d 定义定界符 （默认为空格 多行的定界符为 \n）
-n 指定输出为多行
-I {} 指定替换字符串，这个字符串在xargs扩展时会被替换掉,用于待执行的命令需要多个参数时
eg：
cat file.txt | xargs -I {} ./command.sh -p {} -1
-0：指定\0为输入定界符
eg：统计程序行数
find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -l
sort 排序
字段说明：
-n 按数字进行排序 VS -d 按字典序进行排序
-r 逆序排序
-k N 指定按第N列排序
eg：
sort -nrk 1 data.txt
sort -bd data // 忽略像空格之类的前导空白字符
uniq 消除重复行
-
消除重复行
sort unsort.txt | uniq
-
统计各行在文件中出现的次数
sort unsort.txt | uniq -c
-
找出重复行
sort unsort.txt | uniq -d
可指定每行中需要比较的重复内容：-s 开始位置 -w 比较字符数
用tr进行转换
-
通用用法
echo 12345 | tr '0-9' '9876543210' //加解密转换，替换对应字符
cat text| tr '\t' ' ' //制表符转空格
-
tr删除字符
cat file | tr -d '0-9' // 删除所有数字
-
-c 求补集
cat file | tr -c '0-9' //获取文件中所有数字
cat file | tr -d -c '0-9 \n' //删除非数字数据
-
tr压缩字符
tr -s 压缩文本中出现的重复字符；最常用于压缩多余的空格
cat file | tr -s ' '
-
字符类
tr中可用各种字符类：
alnum：字母和数字
alpha：字母
digit：数字
space：空白字符
lower：小写
upper：大写
cntrl：控制（非可打印）字符
print：可打印字符
使用方法：tr [:class:] [:class:]
eg: tr '[:lower:]' '[:upper:]'
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";" filename
-
cut 取的范围
N- 第N个字段到结尾
-M 第1个字段为M
N-M N到M个字段
-
cut 取的单位
-b 以字节为单位
-c 以字符为单位
-f 以字段为单位（使用定界符）
-
eg:
cut -c1-5 file //打印第一到5个字符
