Linux ----------------------- 文本处理工具

（一）绪论

awk、grep、sed和cut 是Linux 操作文本的四大利器，合称文本四大金刚，也是必须掌握的Linux 命令之一。这四个工具的功能各有侧重：

awk：功能最强大，用于处理和格式化文本，可以进行复杂的文本处理和数据提取，通常用于处理结构化数据，例如 CSV 文件。

grep：主要用于在文本中查找和匹配特定字符串或模式，是一个文本搜索工具。

sed：用于编辑匹配到的文本，可以进行替换、删除、插入等操作，是一个文本编辑工具。

cut：用于从文本中提取指定的字段或列，通常用于文本列的分割。

接下来我们详细分析这四个命令。

(二）awk

       awk是一种强大的文本分析工具，主要用于在linux/unix 下对文本和数据进行处理。
对数据进行分析、统计并生成报表，比如网站的访问量，访问的IP 量等等。
        awk是一种编程语言，awk可以定义变量、运算符，使用流程控制语句进行深度加工
与分析。awk其名称得自于它的创始人.Alfred Aho 、Peter Weinberger 和 Brian Kernighan
姓氏的首个字母。
        awk的处理文本和数据的方式：把文件逐行读入，以空格为默认分隔符将每行切片。
切片的部分再进行各种分析处理。。

语法

awk [选项参数] 'script' var=value file(s)
或
awk [选项参数] -f scriptfile var=value file(s)
即 awk 选项参数 ‘命令部分' 文件名，注意：引用shell变量需要双引号引起。

选项参数说明：

--F : 指定文件拆分分隔符，如果不写默认是空格
-v : 赋值一个用户定义变量，将外部变量传递给awk
-f :赋值一个用户定义变量，将外部变量传递给awk

AWK内置变量

变量名	含义
$n	指整条变量，当前记录的第n个字段。比如n为1 表示第一个字段
$NF	表示最后一列的信息，跟变量NF是有区别的，变量NF统计的是每行列的总数
$0	这个变量包含执行过程中当前行的文本内容
ARGC	命令行参数的个数
ARGIND	命令行中当前文件的位置
ARGV	包含命令行参数的数组
CONVFMT	数字转换格式（默认值为%.6g)
ENVIRON	环境变量关联数组
ERRNO	最后一个系统错误的描述
FIELDWIDTHS	字段宽度列表（用空格键分割）
FILENAME	当前输入文件的名
NR	表示记录数，在执行过程中对应当前的行号
FNR	同NR；但相对于当前文件
FS	字段分隔符（默认是任何空格）
IGNORECASE	如果真，进行忽略大小写的匹配
NF	表示字段数，在执行过程中对应当前的字段数。print　＄ＮＦ　打印一行中最后一个字段
OFMT	数字的输出格式（默认值为%.6g)
OFS	输出字段分隔符（默认是一个空格）
ORS	输出记录分隔符（默认是一个换行符）
RS	记录分隔符（默认是一个换行符）
RSTART	由ｍａｔｃｈ函数所匹配的字符串的第一个位置
SUBSEP	数字下标分割符（默认是３４）

实例：

格式化输出　＇ｐｒｉｎｔ＇和＇ｐｒｉｎｔｆ’

ｐｒｉｎｔ函数　　类似ｅｃｈｏ，它是换行输出

ｐｒｉｎｔｆ函数　类似ｅｃｈｏ－ｎ，它不换行输出，可以使用％ｓ，％ｄ进行占位。其中％ｓ表示字符类型，％ｄ数值类型。－表示左对齐，默认右对齐。

BEGIN……END使用

BEGIN：表示在程序开始前执行。

END：表示所有文件处理完后执行。

用法：＇BEGIN‘｛开始处理前｝；｛处理中｝；END｛处理结束后｝’

定义变量　－ｖ

流程控制语句

条件语句——IF 语句

IF 条件语句语法格式如下：

if (condition)
    action

也可以使用花括号来执行一组操作：

if (condition)
{
    action-1
    action-1
    .
    .
    action-n
}

条件语句——IF - ELSE 语句

IF - ELSE 条件语句语法格式如下：

if (condition)
    action-1
else
    action-2

在条件语句 condition 为 true 时执行 action-1，否则执行 action-2。

条件语句——IF - ELSE - IF

IF - ELSE 条件语句语法格式如下：

if (condition)
    action-1
else　if (condition１)
    action-2
……
else　if (conditionｎ) action-ｎ

else　 action-ｍ

循环——For

For 循环的语法如下：

for (initialisation; condition; increment/decrement)
    action

for 语句首先执行初始化动作( initialisation )，然后再检查条件( condition )。如果条件为真，则执行动作( action )，然后执行递增( increment )或者递减( decrement )操作。只要条件为 true 循环就会一直执行。每次循环结束都会进条件检查，若条件为 false 则结束循环。

下面的例子使用 For 循环输出数字 1 至 5：

$ awk 'BEGIN { for (i = 1; i <= 5; ++i) print i }'

循环——While

While 循环的语法如下：

while (condition)
    action

While 循环首先检查条件 condition 是否为 true ，若条件为 true 则执行动作 action。此过程一直重复直到条件 condition 为 flase 才停止。

下面是使用 While 循环输出数字 1 到 5 的例子：

$ awk 'BEGIN {i = 1; while (i < 6) { print i; ++i } }'

Break

break 用以结束循环:

在下面的示例子中，当计算的和大于 50 的时候使用 break 结束循环：

Continue

Continue 语句用于在循环体内部结束本次循环，从而直接进入下一次循环迭代。

下面的例子输出 1 到１６之间的偶数：

Exit

Exit 用于结束脚本程序的执行。

该函数接受一个整数作为参数表示 AWK 进程结束状态。如果没有提供该参数，其默认状态为 0。

下面例子中当和大于 50 时结束 AWK 程序。

awk 'BEGIN {
   sum = 0; for (i = 0; i < 20; ++i) {
      sum += i; if (sum > 50) exit(10); else print "Sum =", sum 
   } 
}'

让我们检查一下脚本执行后的返回状态：

$ echo $?

执行上面的命令可以得到如下的结果：

（三）grep

grep是一种强大的文本搜索工具，用于关键字进行过滤，并把匹配到的行进行打印，特别的是他在一个或多个文件中搜索满足模式的文本行。

语法形式：

grep [选项] '关键词' 文件名

常见的grep的选项参数：

选项	作用
-c	只输出匹配到的行数
-i	不区分大小写（只适用于单字符）
-v	显示不包匹配文本的所有行
-w	按单词搜索
-o	打印匹配关键字
-A	显示匹配行即后面多少行
-B	显示匹配行即前面多少行
-C	显示匹配行即前后多少行
-e	使用正则匹配
-E	使用扩展正则匹配
-h	查询多文件时不显示文件名
-n	显示匹配行及行号
-s	不显示不存在或无匹配文本的错误信息
^key	以关键字开头
^$	匹配空行

　（四）cut

cut:剪切，切割，是一个强大文本处理工具，它是将文本按列进行划分的文本处理。cut命令逐行读入文本，按列划分字段并进行提取、输出等操作。

语法形式：

cut [选项] 文件名

常见的选项参数：

参数	作用
-f 提取范围	列号，获取第几列
-c 以字符为例	以字符为单位进行分割
-b 提取范围	以字节为单位进行分割，这些字节位置将忽略多字节字符边界，除非其指定-n标志
-d 自定义分隔符	自定义分隔符，默认为制表符
-n	与“-b"选项连用，不分隔多字节字符

提取范围说明：

提取范围	说明
n-	提取指定第n列或字符或字节后面所有数据
n-m	提取指定第n列或字符或字节到第m列字符或字节中间所有数据
-m	提取指定第m列或字符或字节前面所有数据
n1,n2……	提取枚举列的所有数据

示范：

（五）sed

sed是Linux下一款功能强大的非交互流式文本编辑器，可以对文本文件进行增、删、改、查等操作，支持按行、按字段，技正则匹配文本内容，灵活方便，特别适合于大文件的
编辑。
sed工作原理：sed会读取每一行数据到模式空间中，判断当前行是否符合模式匹配要求，符合要求就会执行sed程序命令，否则不会执行sed程序命令，如果不写匹配模式，那么每一行都会执行sed程序命令。

sed的使用语法：

sed [选项参数] [模式匹配|sed程序命令] [文件名]

sed的常用选项：

选项	作用
-r	使用扩展正则表达式
-e	告诉sed将下一个参数解释为一个sd指令，只有当命令行上给出多个sed指令时才需要使用-e
-f	后跟保存sed指令的文件
-i	直接对内容进行修改，不加-i时默认只是预览，不会对文件做实际修改
-n	取消默认输出，sed默认会输出所有文本内容，使用-n 参数后只显示处理过的行