五分钟入门文本处理三剑客grep awk sed

我欲只争朝夕

发布于 2023-10-17 11:55

浏览

0收藏

介绍

grep awk sed是Linux下文本处理常用的命令，能完成很多神奇的操作，今天就分享一下这三个命令最常见的用法

grep

使用一般有如下两种形式

第一种形式

grep [option] [pattern] [file1,file2]

如查找show.txt里面包含content的行

grep content show.txt

第二种形式

command | grep [option] [pattern]

如查看某个服务信息

ps -ef | grep mongo

如查找show.txt里面包含content的行

cat show.txt | grep content

必须掌握的选项

选项	含义
-v	显示不匹配行信息（反向搜索）
-i	搜索时忽略大小写
-n	显示行号（文件中的行号）
-r	递归搜索（搜索文件夹）
-E	支持扩展正则表达式
-F	不按正则表达式匹配，按照字符串字面意思匹配

cat show.txt

a
b
c
d
py*
i love python

-v 选项

grep -v a show.txt
 
b
c
d
*py
i love python

-n选项

grep -n a show.txt 

1:a

-r选项查找/etc/myconfig及其子目录下，打印出包含content字符串所在行的内容

 grep -r content /etc/myconfig

-F选项

grep py* show.txt 

py*
i love python

py被当成正则表达式处理，我就想搜索py这个内容，就可以用到-F选项

grep -F py* show.txt

py*

了解的选项

选项	含义
-c	只输出匹配行的数量，不显示具体内容
-w	匹配整词
-x	匹配整行
-l	只列出匹配的文件名，不显示具体匹配行内容

cat show.txt

love 
lovelove
i love
i love a

-w选项（lovelove这个词没有显示出来，因为love前后得有空格或者tab才会认为是一个单词）

grep -w love show.txt

love 
i love
i love a

-x 选项（匹配行，行的内容只能是i love a）

grep -x "i love a" show.txt

i love a

这些选项可以混着用，例如

查找/etc/myconfig及其子目录下，打印出包含content字符串所在文件的文件名

grep -rl abc /etc/myconfig

-r：递归搜索（搜索文件夹） -l：只列出匹配的文件名，不显示具体匹配行内容

当然用find也是可以的，只不过麻烦一点

find /etc/myconfig -type f | xargs grep -l abc

这个命令在看配置的是时候还是挺管用的

查看日志常用的选项

选项	含义
-C n	显示匹配行及其前后5行
-B n	显示匹配行及其前5行
-A n	显示匹配行及其后5行

cat show.txt

1
2
3
4
5
6
7

查找4及其上下2行

cat show.txt | grep -C 2 4

2
3
4
5
6

查找4及其前2行

grep -B 2 4 show.txt 

2
3
4

grep和egrep的区别和联系

grep默认不支持扩展正则表达式，只支持基础正则表达式使用grep -E 可以支持扩展正则表达式使用egrep可以支持扩展正则表达式，与grep -E等价

awk

使用一般有如下两种形式

第一种形式

awk 'BEGIN{}pattern{commands}END{}' file_name

语法格式	解释
BEGIN	正式处理数据之前
pattern	匹配模式
{commands}	匹配命令，可能多行
END	处理完所有匹配数据后执行

第二种形式

standard output |  awk 'BEGIN{}pattern{commands}END{}'

awk的内置变量

内置变量	含义
$0	整行内容
n	当前行的第1-n个字段（按照指定分隔符分割后）
NF(Number Field)	当前行的字段个数，也就是多少列
NR(Number Row)	当前行的行号，从1开始计数
FNR(File Number Row)	多文件处理时，每个文件行号单独计数，都是从0开始
FS(Field Separator)	输入字段分割符。不指定默认以空格或者Tab键分割
RS(Row Separator)	输入行分割符。默认回车\n
OFS(Output Field Sepatator)	输出字段分割符。默认为空格
ORS(Output Row)	输出行分隔符。默认为回车
FILENAME	当前输入的文件名字
ARGC	命令行参数个数
ARGV	命令行参数数组

看一下/etc/passwd文件的内容

cat /etc/passwd

root:x:0:0:root:/root:/bin/bash
bin:x:1:1:bin:/bin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin

输出文件的每行内容

# $0为整行内容
awk '{print $0}' /etc/passwd

root:x:0:0:root:/root:/bin/bash
bin:x:1:1:bin:/bin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin

输出第二列内容

需要指定分隔符:

# $2为第二列内容
awk 'BEGIN{FS=":"}{print $2}' /etc/passwd

x
x
x

不需要指定分割符，默认空格，tab键，多个也可以分隔（如一个空格+一个tab键）

cat show.txt
# 空格分隔
python java php
# tab键分隔
flink hadoop storm

输出第一列内容

awk '{print $1}' show.txt

python
flink

输出每一行有多少列

awk '{print NF}' show.txt

3
3

可以用这个输出每一行的最后一列的值

awk '{print $NF}' show.txt

输出行号

awk '{print NR}' show.txt

1
2

对每个文件的行号单独计数（显示show.txt和/etc/passwd文件的行号，不累加）

awk '{print FNR}' show.txt /etc/passwd

1
2
1
2
...

同时指定行分隔符和列分隔符

cat show.txt

python|java|php--flink|hadoop|storm

先输出每一行数据

# RS为指定行分隔符
awk 'BEGIN{RS="--"}{print $0}' show.txt

python|java|php
flink|hadoop|storm

输出每一行的第二列

# RS指定行分隔符
# FS指定列分隔符
awk 'BEGIN{RS="--";FS="|"}{print $2}' show.txt

java
hadoop

在上面基础上指定行分隔符

# ORS 输出行分割符
awk 'BEGIN{RS="--";FS="|";ORS="&"}{print $2}' show.txt

java&hadoop&

再次指定列分隔符

# OFS输出列分隔符
awk 'BEGIN{RS="--";FS="|";ORS="&";OFS="@@"}{print $1,$2}' show.txt

python@@java&flink@@hadoop&

输出文件名字

cat show.txt

python|java|php
flink|hadoop|storm

awk '{print FILENAME}' show.txt

show.txt
show.txt

因为是对行进行处理，所以有几行，输出几次文件名

当然awk还有其他强大的操作，如支持函数，流程控制，格式化输出等。有兴趣的可以了解一下awk编程，这里就不再多做介绍了

假如有一个如下的访问日志request.log

2020-05-21 request enter
2020-05-21 request ip 127.0.0.1
2020-05-21 request finish
2020-05-21 request enter
2020-05-21 request error
2020-05-21 request enter
2020-05-21 request ip 127.0.0.1
2020-05-21 request finish
2020-05-21 request enter
2020-05-21 request ip 11.25.58.21
2020-05-21 request finish

想统计当日去重后的ip有多少个，就可执行如下命令

# sort为排序，uniq为去重
cat request.log | grep ip | awk '{print $4}' | sort | uniq
11.25.58.21
127.0.0.1

我原来维护了一个hadoop集群，当想关闭集群中的所有DataNode节点（可以认为一个应用），假如每个机器jps，查看pid，kill。很麻烦，直接写了一个脚本，依次ssh到各个节点，然后执行如下命令即可，超级省事

kill `jps | grep 'DataNode' | awk '{print $1}'`

sed

sed的功能和文本编辑器有点类似，因为我在Linux对文本进行修改用vim比较多，sed的话可能在脚本中用的多一点，因此也没多少经验，简单介绍一个替换的示例

cat show.txt 
this is a test for sed
this is second line
# 将second替换为first输出到屏幕，文件内容并没有改变
# 有选项可以指定，不再介绍
sed 's/second/first/' show.txt
this is a test for sed
this is first line

文章转载自公众号：Java识堂

分类

其他

标签

Linux

java

已于2023-10-17 11:55:03修改

51CTO

51CTO博客

51CTO学堂