4.1 简介
本章主要介绍sed、awk、grep、cut等命令，这些工具可以相互结合以满足文本处理需求。
正则表达式是一种基础的模式匹配技术。
4.2 使用正则表达式
正则表达式是由字面文本和具有特殊意义的符号组成的。
1）位置标记
位置标记锚点是标识字符串位置的正则表达式。
| 正则表达式 | 描述 | 示例 |
| ^ | 指定了匹配正则表达式的文本必须起始于字符串的首部 | ^tux能够匹配以tux起始的行 |
| $ | 指定了匹配正则表达式的文本必须结束语目标字符串的尾部 | tux$能够匹配以tux结尾的行 |
2）标识符
标识符是正则表达式的基础组成部分。
| 正则表达式 | 描述 |
| A | 正则表达式必须匹配该字符 |
| . | 匹配任意一个字符 |
| [] | 匹配括号中的任意一个字符 |
| [^] | 匹配不在括号中的任意一个字符 |
3）数量修饰符
一个标识符可以出现一次、多次或者不出现，数量修饰符定义了模式可以出现的次数。
| 正则表达式 | 描述 |
| ？ | 匹配之前的项1次或者0次 |
| + | 匹配之前的项1次或者多次 |
| * | 匹配之前的项0次或者多次 |
| {n} | 匹配之前的项n次 |
| {n,} | 之前的项至少需要匹配n次 |
| {n,m} | 之前的项所匹配的最小次数和最多次数 |
4）其他
| 正则表达式 | 描述 |
| () | 将括号中的内容视为一个整体 |
| | | 选择结构，可以匹配|两边的任意一项 |
| \ | 转义字符 |
5）示例
4.3 使用grep在文件中搜索文本
1）grep的用法
2）递归搜索多个文件
3）忽略模式中的大小写
4）使用grep匹配多个模式
5）在grep搜索中指定或者排除文件
6）使用0值字节后缀的xargs和grep
-l告诉grep只输出有匹配出现的文件名；-Z使得grep使用0值字节作为文件的终结符
7）grep的静默输出
在静默模式中，grep命令不会输出任何内容。它仅是运行命令，然后根据命令执行成功与否返回退出状态。
8）打印出匹配文本之前或之后的行
-A可以打印出匹配结果之后的行，-B可以打印出匹配结果之前的行，-A-B可以结合使用，等价于-C
4.4 使用cut按列切分文件
cut命令可以按列，而不是按行来切分文件。
1）
2）cut命令可以根据字节或者字符来指定选择范围
| N- | 从第N个字节、字符或字段开始到行尾 |
| N-M | 从第N个字节、字符或字段开始到第M个（包括第M个在内）字节、字符或字段 |
| -M | 从第1个字节、字符或字段开始到第M个（包括第M个在内）字节、字符或字段 |
-b表示字节，-c表示字符，-f用于定义字段
4.5 使用sed替换文本
sed最常见的用法就是进行文本替换。
1）
2）之前的例子中只替换了每行中模式首次匹配的内容，g标记可以使sed执行全局替换
/#g标记可以使sed替换第#次出现的匹配
3）sed命令会将s之后的字符视为命令分隔读。这允许我们更改默认的分隔符/；
如果分隔符的字符出现在模式中，必须使用\对其进行转义。
4）移除空行
5）直接在文本中替换 sed -i，\b表示单词边界。
6）已匹配字符串标记&
可以用&指代模式所匹配到的字符串，\w\+匹配每一个单词
7）子串匹配标记
可以使用\#来指代出现在括号中的部分正则表达式所匹配到的内容。
8）组合多个表达式
可以利用管道组合多个sed命令，多个模式之间可以用分号分隔，或者使用-e。
9）引用
必须是双引号
4.6 使用awk进行高级文本处理
awk命令可以处理数据流。它支持关联数组、递归函数、条件语句等功能。
awk以逐行的形式处理文件。BEGIN之后的命令会先于公共语句块执行。对于匹配PATTERN的行，awk会对其执行PATTERN之后的命令。最后，在处理完整个文件之后，awk会执行END之后的命令。
1）输出文件行数
2）最重要的部分就是和pattern关联的语句块。这个语句是可选的，如果不提供，则默认执行{print}，即打印所读取到的每一行。
当使用不带参数的print时，他会打印出当前行。print能够接受参数，这些参数以逗号分隔，在打印参数时则以空格作为参数之间的分隔符。在awk的print语句中，双引号被当做拼接操作符使用。
3）awk命令是一个解释器，它能够解释并执行程序，和shell一样，它也包括了一些特殊变量。
| 特殊变量 | 含义 |
| NR | 记录编号 |
| NF | 字段数量 |
| $0 | 该变量包含了当前记录的文本内容 |
| $1 | 该变量包含了第一个字段的文本内容 |
| $2 | 该变量包含了第二个字段的文本内容 |
4）借助外部变量值传递给awk
5）从getline读取行
awk默认读取文件中的所有行。如果只想读取某一行，可以使用getline函数。
该函数的语法为：getline var。变量var包含了特定行。
6）使用过滤模式对awk处理的行进行过滤
7）设置字段分隔符
8）在awk中使用循环
4.7 统计特定文件中的词频
4.8 压缩和解压缩JavaScript
4.9 按列合并多个文件
4.10 打印文件或行中的第n个单词或列
4.11 打印指定行或者模式之间的文本
4.12 以逆序形式打印行
最简单的形式就是使用tac命令，当然也可以用awk来搞定。
1）tac
tac默认使用\n作为分隔符，但是我们也可以使用选项-s指定其他分隔符
2）awk
4.13 解析文本中的电子邮件地址和URL
1）能够匹配邮件地址的正则表达式：
2）匹配HTTP URL的正则表达式：
4.14 删除文件中包含特定单词的句子
sed是进行文本替换的不二之选，我们可以利用sed将匹配的句子替换成空白。
4.15 对目录中的所有文件进行文本替换
4.16 文件切片与参数操作
1）替换变量内容中的部分文本
2）我们可以通过指定字符串的起始位置和长度来生成子串
${var:M:N}：从第M+1个字符开始，打印N个字符
