Linux常用文本编辑工具及常用指令

以下工具的使用都是建立在会简单使用正则表达式的基础上，不了解的群攻自己做功课。

sed

---

sed是一种流式编辑器，是一种文本编辑工具，以行为单位进行文本操作。sed默认按照basic规则进行匹配。
常用的命令格式如下：

sed option ‘/pattern/action‘ file

pattern：为一个正则表达式，用来匹配所要操作的字符串行。

action：是操作方法。常用的操作方法有：

• p，将匹配到的内容打印两次，其他未匹配的打印一次。
• d，将匹配到的字符串删除。
• s，进行匹配字符替换。常用党的命令格式如下:
  sed option ‘patter/s/patter1/patter2/g’ file
  在patter匹配的字符串行中，用patter2替换patter1。加g选项是全部替换，不加g选项只替换第一个匹配到的。
• n，读取下一行到模式缓冲区中，将模式空间的原内容清空。
• N，读取文件的下一行追加到模式空间内，不请客原内容。

option：选项，对数据做的相应操作，常用的有：

• -n 将匹配到的字符串行输出，其他不输出。
• -i 将修改的内容同步修改到源文件。
• -e 多项编辑命令，可连接多个sed指令对同一行进行操作。

定址

定址用于决定对哪些行进行编辑。地址的表示可以由数字，正则表达式或者二者的结合。如果没有指定地址，sed将处理输入文件的每一行。
eg：
sed -n ‘3p’ file 打印文件第三行。
sed -n ‘100,200p’ file 打印文件第100行~200行的信息。
地址是逗号分隔的，需要处理的地址是这两行之间的范围（包括这两行在内）。范围可以用数组正则表达式或者二者的结合表示。
sed ‘2,5d’ file 删除第2行到底5行
sed ‘/start/,/end/d’ file 删除包含‘start’行和‘end’行之间的行。
sed ‘/start/,10d’ file

模式空间

sed对一个文件进行操作时，会依次将文件的每一行拷贝读取到一个特殊的缓冲区，也叫模式空间内，依次读取一行。读取完后进行正则表达式的匹配，若匹配，则进行action操作，若不匹配则丢弃。紧接着处理完后读取下一行。所以sed对文件行的操作是在模式空间内，不会对源文件进行修改。

保持空间

我们可以把保持空间想象成一个仓库，作为数据的暂存区域，但记住，处理数据时依然需要将数据由保持空间加载到模式空间。
保持空间并不常用，只有以下几条指令会用到保持空间。
g：将保持空间的内容拷贝到模式空间内，并将模式空间的原内容清除。
G：将保持空间的内容追加到模式空间内，不清除原内容。
h：将模式空间的内容拷贝到保持空间，将原来保持空间的内容清除。
H：将模式空间的内容追加到保持空间，不清除原内容。
d：删除模式空间的所有行，并读入下一新行到模式空间。
D：删除multiline pattern的第一行，不读入下一行。
x：交换保持空间与模式空间的内容。

eg:
①给文件的末尾加一个空行

②将文件逆序输出（模拟tac指令）

③将匹配的行追加到文件尾。

sed -e ‘/hello/H‘ -e ‘$G‘ file  ###类似于复制功能

sed -e ‘/hello/{H;d}‘ -e ‘$G‘ file ## 类似于剪切功能

④行列转换

sed -n ‘H;{x;s/\n/ /g;p}‘ file 

模式空间默认去掉每一行的\n，所以要想仅仅在模式空间内部将\n替换掉是行不通的， 保持空间内部有两行或两行以上内容时，会在每一行后面加上\n，所以现将数据Hold到保持空间，在执行x指令，进行模式空间与保持空间内容的交换，再进行替换。

⑤求1~100的和

seq 100|sed -n ‘H;${x;s/\n/+/g;s/^+//;p}‘|bc ### bc指令是对表达式求和。

s/^+// 表示将开头多余的加号替换为空。

⑥读取奇偶行
这里用到了n命令，读取下一行到模式空间。

sed -n ‘p;n‘ file  ### 读取奇数行
sed -n ‘n;p‘ file  ### 读取偶数行

标签

定义一个标签：

:a   ### 定义标签规则为冒号加标签名，例标签名为a

跳转到标签：b+标签名

ba   ### 跳转到标签a

再次实现1到100求和：

sed -n ‘:a;N;s/\n/+/g;{$!ba};p‘ ####$!ba 表示最后一行不跳转到标签a

N实现的是将下一行追加到模式空间的功能，如第一次执行语句是，将1读入模式空间，此时执行N将下一行追加到模式空间，此时模式空间的内容就变成1\n2，再进行+号的替换，依次类推，直到最后一行。

awk

---

awk既是一种文本分析工具，也是一种脚本语言。作为一种文本分析工具，它的功能比grep或者sed要强大的多，但它的用法与sed类似。作为一种脚本语言，它与c语言语法类似，有与c语言一样的分支和循环结构，是一种类c语言。

相对于sed来说，awk强大的地方在于它既可以以行为单位进行文本编辑，又可以以列为单位进行文本编辑。awk默认的缺省的行分隔符为换行\n，默认的列分隔符为连续的空格或者tab。比如下图:

除了以空格和tab作为分隔符外，还可以自定义分隔符，如下图用冒号做分隔符。

当以列为单位时，$0表示整行的内容，$1表示第一列…$n表示第n列。

awk命令行的格式：

awk option ‘/pattern/{action}‘ file
awk option -f scriptfile file  ### 用 -f 指定脚本文件

pattern为正则表达式，用于匹配要操作的行。action为要执行的动作。

这里要说一个-F选项，-F选项可以指定输入域分隔符，当我们在文件内使用自己指定的分隔符时，默认的awk指令是识别不了的，我们需要用-F选项指定出我们需要辨识的分隔符。如我们在上面用的分隔符是冒号‘：’，下面我要打印第二列的内容：

awk ‘{print $2;}‘ file ### 失败，系统无法辨识分隔符。

-F:

awk -F: ‘{print $2;}‘ file ### 成功，指定分隔符为：

正则表达式

利用正则表达式进行行匹配：

①找出productC的行的内容：

②查找编号为2（第三列，以2结尾）的内容：

指定域进行正则表达式匹配。~与！~

可以用~指定固定的域（列）进行正则匹配。！~与~！相同。与if语句搭配使用。
①找出第二列中以1开头的数据行。

awk -F: ‘{if($2 ~ /^1/){print $0;}}‘ file

②找出第二列中不以1开头的数据行。

awk -F: ‘{if ($2 !~ /^1/){print $0}}‘ file

条件匹配

除了用正则表达式进行行匹配外，还可以进行条件匹配，命令格式如下：

awk option ‘condition{action}‘ file

如：将第二列的值小于100的都标记为NO，其他标记为YES。

awk -F: ‘$2<100{print $0,"NO";}$2>100{print $0,"YES";}‘ file

注意{}里面的写法，逗号‘，’作为输出域分隔符，在输出时被转化为空格。

BEFIN和END

要理解BEGIN和END，先要理解awk执行的三个过程，分别为，文本处理之前，文本处理中，文本处理之后。
BEGIN就是文本处理之前执行的动作，END就是文本处理之后执行的动作。

eg：利用BEGIN和END计算行数。

awk -F: ‘BEGIN{x=0}{print $0;x++}END{print "total:",}‘

BEGIN，END可单独使用可搭配使用。如下：单独使用END输出行号。
我们在上面说过，awk也是一种类c语言，是一种弱类型语言，它的变量不需要定义，可直接使用，下例中x默认初值为 0。

awk脚本

awk除了上述以命令行方式使用外，还可以以shell脚本的方式使用。因为awk也是一种脚本语言，所以awk有有自己的命令解释器，/bin/awk或者/bin/awk -f。

test.awk:

#!/bin/awk -f

BEGIN{
    count1=0; //注意变量的定义格式
    count2=0;
    count3=0;
    total=0;
}
{
    print $0;
    if($2 < 100){
        count1++;
    }else if($2 >= 100 && $2 < 200){
        count2++;
    }else if($2 >= 200){
        count3++;
    }total++;
}

END{
    printf("<100: %d\n",count1);  ### 类c语言，可直接使用printf。
    printf(">=100 && < 200: %d\n",count2);
    printf(">=200: %d\n",count3);
    printf("total: %d\n",total);
}

awk脚本文件的调用格式为：

awk [-F+分隔符] -f awkfile file

例：

awk -F: -f test.awk file

执行结果为：

awk的内置变量

ARGC 命令行参数的个数
ENVIRON 支持队列中系统环境变量的使用
FILENAME awk浏览的文件名
FNR  浏览文件中的记录数（行数）
FS 设置输入域分隔符，等价于命令行 -F选项
NF 浏览记录的域的个数
NR 已读的记录数
OFS 输出域分隔符
ORS 输出记录分隔符
RS 控制记录分隔符

printf与print

awk是类c语言，所以在脚本程序或者命令行都可以使用printf。有时使用printf可以使输出格式变得更加工整。
eg：

 awk -F: ‘{printf("filename:%s count:%d data:%s\n",FILENAME,FNR,$0)}‘ file

结果：

[lzk@localhost ~]$ awk -F: ‘{printf("filename:%s count:%d data:%s\n",FILENAME,FNR,$0)}‘ file
filename:file count:1 data:productA:123:1
filename:file count:2 data:productB:22:2
filename:file count:3 data:productC:23:3
filename:file count:4 data:productD:3:4
filename:file count:5 data:productE:223:5

练习：统计目录下普通文件所占用的字节数

ls -lR | grep -E ‘^-‘| awk ‘{print $9,$5;total+=$5}END{print total}‘

结果:

除此之外，还可以用find指令来查找对应大小的文件，但无法求和。

find . -size +100c -a -size -1000c -exec ls -l {} \;

cut

---

cut的功能是‘剪’，以行为单位进行文本处理。命令格式如下：
选项主要有三个：
-b：按照字节进行切割。
-c：按字符进行切割
-b与-c的区别在于，-b无法剪切中文，而一个中文也算一个字符，所以-c可以剪切中文。相对于英文字符来说，它们两个功能相同。

-f 按域进行剪切。与-d搭配使用，-d指定分隔符，-f指定域。

sort

---

sort的功能是对指定的文件按照一定的规则进行排序。格式为：

sort option file

1、单独使用sort默认以字符的ACCIS码的值进行排序。
2、-u ，按照字符ACCIS码以升序排序，并去掉重复的行。
3、-r ，逆序排序
4、sort file -o file ，排序并修改源文件。
5、-n 按照数值大小进行排序。
6、按照指定的列进行排序，-t 指定分隔符，-k指定列数。

7、-f，将小写字母转换为大写字母进行比较，即忽略大小写。
8、-c 检测文件是否已排好序，如果乱序，则输出第一个乱序的行的相关信息，最后返回1。
9、检查文件是否已排好序，如果乱序，不输出内容，仅返回1。
10，-M 按照月份来排序

11、-b，忽略每一行前面的空白部分，从第一个可见字符开始比较。

eg：

[lzk@localhost ~]$ cat file
google 110 5000
baidu 100 5000
guge 50 3000
sohu 100 4500

1、按照第二列人数进行排序。

[lzk@localhost ~]$ sort -t‘ ‘ -k 2n file
guge 50 3000
baidu 100 5000
sohu 100 4500
google 110 5000

2、按照人数排序，当人数相同时，按照第三列工资进行排序。

[lzk@localhost ~]$ sort -t‘ ‘ -k 2n -k 3n file
guge 50 3000
sohu 100 4500
baidu 100 5000
google 110 5000

3、按照公司名称第二个字母开始往后进行比较（即按照第一个域的第2个字母直到本域结束）

[lzk@localhost ~]$ sort -t‘ ‘ -k 1.2 file
baidu 100 5000
sohu 100 4500
google 110 5000
guge 50 3000

4、仅按照公司名称的第二个字母进行排序，如果相同，按照员工人数进行排序。
因为仅按照第一列的第二个字母进行排序，所以用1.2,1.2的方式表示，2，2表示只按照第2个域进行排序，如果只写一个2，则表示按照第2个域到最后一个域进行排序。

[lzk@localhost ~]$ sort -t‘ ‘ -k 1.2,1.2 -k 2,2n file
baidu 100 5000
sohu 100 4500
google 110 5000
guge 50 3000

uniq

---

这个命令读取输入文件，并比较相邻的行，在正常情况下，第二个以后以后更多个重复的行将被山区，行比较是根据所用字符集的排序序列进行的。该命令加工后的结果写到输出文件中。输入文件和输出文件必须统统。如果输入文件用‘-’表示，则从标准输入读取。
常用的选项如下：
-c：去掉连续的重复行，并在每行行首加上本行重复出现的此时。可以取代-u或者-d选项。

-d：只显示重复行。

-u：只显示文件中不重复的行。