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