• Linux 文本处理三剑客：grep、sed 和 awk

    awk、grep、sed是linux操作文本的三大利器，合称文本三剑客，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。

    grep

    Linux 系统中 grep 命令是一种强大的文本搜索工具，它能使用正则表达式搜索文本，并把匹配的行打印出来。grep全称是 Global Regular Expression Print，表示全局正则表达式版本，它的使用权限是所有用户。

    grep可用于shell脚本，因为grep通过返回一个状态值来说明搜索的状态，如果模板搜索成功，则返回0，如果搜索不成功，则返回1，如果搜索的文件不存在，则返回2。我们利用这些返回值就可进行一些自动化的文本处理工作。

    命令的基本格式：

    grep [option] pattern file

    • 1

    即便不熟悉这个命令，应该大多数同学也用过查询进程的命令：

    ps -ef|grep xxxx

    • 1

    这就是 grep 的一个基本用法，从所有进程中搜索某个进程。

    grep 常用的参数如下：

    • -A<行数 x>：除了显示符合范本样式的那一列之外，并显示该行之后的 x 行内容。
    • -B<行数 x>：除了显示符合样式的那一行之外，并显示该行之前的 x 行内容。
    • -C<行数 x>：除了显示符合样式的那一行之外，并显示该行之前后的 x 行内容。
    • -c：统计匹配的行数
    • -e ：实现多个选项间的逻辑or 关系
    • -E：扩展的正则表达式
    • -f 文件名：从文件获取 PATTERN 匹配
    • -F ：相当于fgrep
    • -i --ignore-case #忽略字符大小写的差别。
    • -n：显示匹配的行号
    • -o：仅显示匹配到的字符串
    • -q： 静默模式，不输出任何信息
    • -s：不显示错误信息。
    • -v：显示不被 pattern 匹配到的行，相当于[^] 反向匹配
    • -w ：匹配 整个单词

    前三个 A、B、C 参数很容易理解，举个栗子，假设我们有一个文件，文件名是 test，内容是从 1 到 9，每个数字一行：

    ➜ grep -A2 7 test
7
8
9

    • 1
    • 2
    • 3
    • 4

    -A2 7 的效果就是找到 7 ，然后输出 7 后面两行。

    同理，-B2 7和-C2 7就是找到 7 ，然后分别输出 7 前面两行和前后两行：

    ➜ grep -B2 7 test
5
6
7

➜ grep -C2 7 test
5
6
7
8
9

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11

    继续，假设我们有个名叫 test 的文件内容如下：

    ➜ cat test
aaaa
bbbbbb
AAAaaa
BBBBASDABBDA

    • 1
    • 2
    • 3
    • 4
    • 5

    grep -c命令的作用就是输出匹配到的行数，比如我们想找包含aaa的有几行，一眼就能看出来有两行，第一行和第三行都包含：

    ➜ grep -c aaa test
2

    • 1
    • 2

    grep -e命令是实现多个匹配之间的或关系，比如我们想找包含aaaa或者bbbb的，显然应该返回第一行和第二行：

    ➜ grep -e aaaa -e bbbb test
aaaa
bbbbbb

    • 1
    • 2
    • 3

    grep -F相当于fgrep命令，就是将pattern视为固定字符串。比如搜索'aa*'不带-F和带上，区别如下：

    ➜ grep 'aa*' test
aaaa
AAAaaa

➜ grep -F 'aa*' test

    • 1
    • 2
    • 3
    • 4
    • 5

    可以看到第二次就找不到了，因为搜索的是 aa*这个字符串，而不是正则表达式。

    grep -f 文件名的使用方法是把后面这个文件里的内容当做pattern。比如我们有个文件，名字是 grep.txt，然后内容是aa*，使用方法如下：

    ➜ grep -f grep.txt test
aaaa
AAAaaa

    • 1
    • 2
    • 3

    实际上等同于grep 'aa*' test

    grep -i --ignore-case作用是忽略大小写。

    grep -n显示匹配的行号，就是多显示了个行号，不用细说。

    grep -o仅显示匹配到的字符串，还是用刚才的aa*距离，之前显示的都是匹配到的字符所在的整行，这个命令是只显示匹配到的字符：

    ➜ grep -o 'aa*' test
aaaa
aaa

    • 1
    • 2
    • 3

    grep -q不打印匹配结果。刚看到这个我疑惑了半天，让你搜索字符串，你不给我结果那有啥用？然后发现还有一条很多教程没说：如果有匹配的内容则立即返回状态值 0。所以一般用在shell脚本中，在 if 判断里面。

    grep -s不显示错误信息，不解释。

    grep -v显示不被匹配到的行，相当于[^]反向匹配，最常见的还是用在查找线程的命令里，有时候会打印grep线程，可以再加上这么一个去除自己：

    ➜ ps -ef|grep Typora
  501 91616     1   0 五11上午 ??        13:39.32 /Applications/Typora.app/Contents/MacOS/Typora
  501 14814 93748   0  5:33下午 ttys002    0:00.00 grep --color=auto --exclude-dir=.bzr --exclude-dir=CVS --exclude-dir=.git --exclude-dir=.hg --exclude-dir=.svn Typora

➜ ps -ef|grep Typora|grep -v grep
  501 91616     1   0 五11上午 ??        13:39.32 /Applications/Typora.app/Contents/MacOS/Typora

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6

    可以看到第二次就没有打印grep线程自身

    grep -w匹配整个单词，只有完全符合pattern的单次才会匹配到：

    ➜ grep aaa test
aaaa
AAAaaa

➜ grep -w aaa test

    • 1
    • 2
    • 3
    • 4
    • 5

    可以看到第二次结果为空，因为没有aaa这个单词。

    关于正则的高级用法就不再深入研究了，改日再统一整理。

    sed

    sed 命令的作用是利用脚本来处理文本文件。使用方法：

    sed [-hnV][-e<script>][-f<script文件>][文本文件]

    • 1

    参数说明：

    • -e