Linux之文件管理及文本处理

文件管理不外乎文件或目录的创建、删除、查询、移动，有mkdir/rm/mv 文件查询是重点，用find来进行查询；find的参数丰富，也非常强大； 有时候，需要给文件创建一个别名，我们需要用到ln，使用这个别名和使用原文件是相同的效果； 2.1. 创建和删除 创建：mkdir 删除：rm 删除非空目录：rm -rf file目录 删除日志 rm *log (等价: $find ./ -name “*log” -exec rm {} ;) 移动：mv 复制：cp (复制目录：cp -r ) 查看当前目录下文件个数: $find ./ | wc -l 复制目录: $cp -r source_dir dest_dir 2.2. 目录切换 找到文件/目录位置：cd 切换到上一个工作目录： cd - 切换到home目录： cd or cd ~ 显示当前路径: pwd 更改当前工作路径为path: $cd path 2.3. 列出目录项 显示当前目录下的文件 ls 按时间排序，以列表的方式显示目录项 ls -lrt 以上这个命令用到的频率如此之高，以至于我们需要为它建立一个快捷命令方式: 在.bashrc 中设置命令别名: alias lsl='ls -lrt' alias lm='ls -al|more' 这样，使用lsl，就可以显示目录中的文件按照修改时间排序；以列表方式显示； 给每项文件前面增加一个id编号(看上去更加整洁): >ls | cat -n 1 a 2 a.out 3 app 4 b 5 bin 6 config 注：.bashrc 在/home/你的用户名/ 文件夹下，以隐藏文件的方式存储；可使用 ls -a 查看； 2.4. 查找目录及文件 find/locate 搜寻文件或目录: $find ./ -name "core*" | xargs file 查找目标文件夹中是否有obj文件: $find ./ -name '*.o' 递归当前目录及子目录删除所有.o文件: $find ./ -name "*.o" -exec rm {} \; find是实时查找，如果需要更快的查询，可试试locate；locate会为文件系统建立索引数据库，如果有文件更新，需要定期执行更新命令来更新索引库: $locate string 寻找包含有string的路径: $updatedb 与find不同，locate并不是实时查找。你需要更新数据库，以获得最新的文件索引信息。 2.5. 查看文件内容 查看文件：cat vi head tail more 显示时同时显示行号: $cat -n 按页显示列表内容: $ls -al | more 只看前10行: $head - 10 ** 显示文件第一行: $head -1 filename 显示文件倒数第五行: $tail -5 filename 查看两个文件间的差别: $diff file1 file2 动态显示文本最新信息: $tail -f crawler.log 2.6. 查找文件内容 使用egrep查询文件内容: egrep '03.1\/CO\/AE' TSF_STAT_111130.log.012 egrep 'A_LMCA777:C' TSF_STAT_111130.log.035 > co.out2 2.7. 文件与目录权限修改 改变文件的拥有者 chown 改变文件读、写、执行等属性 chmod 递归子目录修改： chown -R tuxapp source/ 增加脚本可执行权限： chmod a+x myscript 2.8. 给文件增加别名 创建符号链接/硬链接: ln cc ccAgain :硬连接；删除一个，将仍能找到； ln -s cc ccTo :符号链接(软链接)；删除源，另一个无法使用；（后面一个ccTo 为新建的文件） 2.9. 管道和重定向 批处理命令连接执行，使用 | 串联: 使用分号 ; 前面成功，则执行后面一条，否则，不执行:&& 前面失败，则后一条执行: || ls /proc && echo suss! || echo failed. 能够提示命名是否执行成功or失败； 与上述相同效果的是: if ls /proc; then echo suss; else echo fail; fi 重定向: ls proc/*.c > list 2> &l 将标准输出和标准错误重定向到同一文件； 等价的是: ls proc/*.c &> list 清空文件: :> a.txt 重定向: echo aa >> a.txt 2.10. 设置环境变量 启动帐号后自动执行的是 文件为 .profile，然后通过这个文件可设置自己的环境变量； 安装的软件路径一般需要加入到path中: PATH=$APPDIR:/opt/app/soft/bin:$PATH:/usr/local/bin:$TUXDIR/bin:$ORACLE_HOME/bin;export PATH 2.11. Bash快捷输入或删除 快捷键: Ctl-U 删除光标到行首的所有字符,在某些设置下,删除全行 Ctl-W 删除当前光标到前边的最近一个空格之间的字符 Ctl-H backspace,删除光标前边的字符 Ctl-R 匹配最相近的一个文件，然后输出 2.12. 综合应用 查找record.log中包含AAA，但不包含BBB的记录的总数: cat -v record.log | grep AAA | grep -v BBB | wc -l 本节将介绍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常用的； 3.1. 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 / d 目录 find支持的文件检索类型可以区分普通文件和符号链接、目录等，但是二进制文件和文本文件无法直接通过find的类型区分出来； file命令可以检查文件具体类型（二进制或文本）: $file redis-cli # 二进制文件 redis-cli: ELF 64-bit LSB executable, x86-64, version 1 (SYSV), dynamically linked (uses shared libs), for GNU/Linux 2.6.9, not stripped $file redis.pid # 文本文件 redis.pid: ASCII text 所以,可以用以下命令组合来实现查找本地目录下的所有二进制文件: ls -lrt | awk '{print $9}'|xargs file|grep ELF| awk '{print $1}'|tr -d ':' 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） 最近第7天被访问过的所有文件: find . -atime 7 -type f -print 最近7天内被访问过的所有文件: find . -atime -7 -type f -print 查询7天前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 另一种语法: find . type f -name "*.swp" | xargs rm 执行动作（强大的exec） 将当前目录下的所有权变更为weber: find . -type f -user root -exec chown 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； 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 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； 3.2. 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 综合应用：将日志中的所有带where条件的sql查找查找出来: cat LOG.* | tr a-z A-Z | grep "FROM " | grep "WHERE" > b 查找中文示例：工程目录中utf-8格式和gb2312格式两种文件，要查找字的是中文； 查找到它的utf-8编码和gb2312编码分别是E4B8ADE69687和D6D0CEC4 查询: grep：grep -rnP "\xE4\xB8\xAD\xE6\x96\x87|\xD6\xD0\xCE\xC4" *即可 汉字编码查询：http://bm.kdd.cc/ 3.3. 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 -0：指定0为输入定界符 示例: cat file.txt | xargs -I {} ./command.sh -p {} -1 #统计程序行数 find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -l #redis通过string存储数据，通过set存储索引，需要通过索引来查询出所有的值： ./redis-cli smembers $1 | awk '{print $1}'|xargs -I {} ./redis-cli get {} 3.4. 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 示例: sort -nrk 1 data.txt sort -bd data // 忽略像空格之类的前导空白字符 3.5. 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 3.6. 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:] tr '[:lower:]' '[:upper:]' 3.7. 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） 示例: cut -c1-5 file //打印第一到5个字符 cut -c-2 file //打印前2个字符 截取文本的第5到第7列 $echo string | cut -c5-7 3.8. paste 按列拼接文本 将两个文本按列拼接到一起; cat file1 1 2 cat file2 colin book paste file1 file2 1 colin 2 book 默认的定界符是制表符，可以用-d指明定界符: paste file1 file2 -d "," 1,colin 2,book 3.9. wc 统计行和字符的工具 $wc -l file // 统计行数 $wc -w file // 统计单词数 $wc -c file // 统计字符数 3.10. sed 文本替换利器 首处替换 sed 's/text/replace_text/' file //替换每一行的第一处匹配的text 全局替换 sed 's/text/replace_text/g' file 默认替换后，输出替换后的内容，如果需要直接替换原文件,使用-i: sed -i 's/text/repalce_text/g' file 移除空白行 sed '/^$/d' file 变量转换 已匹配的字符串通过标记&来引用. echo this is en example | sed 's/\w+/[&]/g' $>[this] [is] [en] [example] 子串匹配标记 第一个匹配的括号内容使用标记 1 来引用 sed 's/hello\([0-9]\)/\1/' 双引号求值 sed通常用单引号来引用；也可使用双引号，使用双引号后，双引号会对表达式求值: sed 's/$var/HLLOE/' 当使用双引号时，我们可以在sed样式和替换字符串中指定变量； eg: p=patten r=replaced echo "line con a patten" | sed "s/$p/$r/g" $>line con a replaced 其它示例 字符串插入字符：将文本中每行内容（ABCDEF） 转换为 ABC/DEF: sed 's/^.\{3\}/&\//g' file 3.11. awk 数据流处理工具 awk脚本结构 awk ' BEGIN{ statements } statements2 END{ statements } ' 工作方式 1.执行begin中语句块； 2.从文件或stdin中读入一行，然后执行statements2，重复这个过程，直到文件全部被读取完毕； 3.执行end语句块； print 打印当前行 使用不带参数的print时，会打印当前行 echo -e "line1\nline2" | awk 'BEGIN{print "start"} {print } END{ print "End" }' print 以逗号分割时，参数以空格定界; echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3"; \ print var1, var2 , var3; }' $>v1 V2 v3 使用-拼接符的方式（”“作为拼接符）; echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3"; \ print var1"-"var2"-"var3; }' $>v1-V2-v3 特殊变量： NR NF $0 $1 $2 NR:表示记录数量，在执行过程中对应当前行号； NF:表示字段数量，在执行过程总对应当前行的字段数； $0:这个变量包含执行过程中当前行的文本内容； $1:第一个字段的文本内容； $2:第二个字段的文本内容； echo -e "line1 f2 f3\n line2 \n line 3" | awk '{print NR":"$0"-"$1"-"$2}' 打印每一行的第二和第三个字段 awk '{print $2, $3}' file 统计文件的行数 awk ' END {print NR}' file 累加每一行的第一个字段 echo -e "1\n 2\n 3\n 4\n" | awk 'BEGIN{num = 0 ; print "begin";} {sum += $1;} END {print "=="; print sum }' 传递外部变量 var=1000 echo | awk '{print vara}' vara=$var # 输入来自stdin awk '{print vara}' vara=$var file # 输入来自文件 用样式对awk处理的行进行过滤 awk 'NR < 5' #行号小于5 awk 'NR==1,NR==4 {print}' file #行号等于1和4的打印出来 awk '/linux/' #包含linux文本的行（可以用正则表达式来指定，超级强大） awk '!/linux/' #不包含linux文本的行 设置定界符 使用-F来设置定界符（默认为空格）: awk -F: '{print $NF}' /etc/passwd 读取命令输出 使用getline，将外部shell命令的输出读入到变量cmdout中: echo | awk '{"grep root /etc/passwd" | getline cmdout; print cmdout }' 在awk中使用循环 for(i=0;i<10;i++){print $i;} for(i in array){print array[i];} eg:以下字符串，打印出其中的时间串: 2015_04_02 20:20:08: mysqli connect failed, please check connect info $echo '2015_04_02 20:20:08: mysqli connect failed, please check connect info'|awk -F ":" '{ for(i=1;i<=;i++) printf("%s:",$i)}' >2015_04_02 20:20:08: # 这种方式会将最后一个冒号打印出来 $echo '2015_04_02 20:20:08: mysqli connect failed, please check connect info'|awk -F':' '{print $1 ":" $2 ":" $3; }' >2015_04_02 20:20:08 # 这种方式满足需求 而如果需要将后面的部分也打印出来(时间部分和后文分开打印): $echo '2015_04_02 20:20:08: mysqli connect failed, please check connect info'|awk -F':' '{print $1 ":" $2 ":" $3; print $4;}' >2015_04_02 20:20:08 >mysqli connect failed, please check connect info 以逆序的形式打印行：(tac命令的实现）: seq 9| \ awk '{lifo[NR] = $0; lno=NR} \ END{ for(;lno>-1;lno--){print lifo[lno];} } ' awk结合grep找到指定的服务，然后将其kill掉 ps -fe| grep msv8 | grep -v MFORWARD | awk '{print $2}' | xargs kill -9; awk实现head、tail命令 head awk 'NR<=10{print}' filename tail awk '{buffer[NR%10] = $0;} END{for(i=0;i<11;i++){ \ print buffer[i %10]} } ' filename 打印指定列 awk方式实现 ls -lrt | awk '{print $6}' cut方式实现 ls -lrt | cut -f6 打印指定文本区域 确定行号 seq 100| awk 'NR==4,NR==6{print}' 确定文本 打印处于start_pattern 和end_pattern之间的文本: awk '/start_pattern/, /end_pattern/' filename 示例: seq 100 | awk '/13/,/15/' cat /etc/passwd| awk '/mai.*mail/,/news.*news/' awk常用内建函数 index(string,search_string):返回search_string在string中出现的位置 sub(regex,replacement_str,string):将正则匹配到的第一处内容替换为replacement_str; match(regex,string):检查正则表达式是否能够匹配字符串； length(string)：返回字符串长度 echo | awk '{"grep root /etc/passwd" | getline cmdout; print length(cmdout) }' printf 类似c语言中的printf，对输出进行格式化: seq 10 | awk '{printf "->%4s\n", $1}' 3.12. 迭代文件中的行、单词和字符 1. 迭代文件中的每一行 while 循环法 while read line; do echo $line; done < file.txt 改成子shell: cat file.txt | (while read line;do echo $line;done) awk法 cat file.txt| awk '{print}' 2.迭代一行中的每一个单词 for word in $line; do echo $word; done 3. 迭代每一个字符 ${string:start_pos:num_of_chars}：从字符串中提取一个字符；(bash文本切片） ${#word}:返回变量word的长度 for((i=0;i<${#word};i++)) do echo ${word:i:1); done 以ASCII字符显示文件: $od -c filename