《Shell脚本学习指南》第四章 文本处理工具

4.1 排序文本

4.1.1 行的排序

未提供命令行选项时，整个记录会根据当前locale所定义的次序排序。

在传统的C locale中，也就是ASCII顺序。

4.1.2 以字段排序

-k选项的后面接着的是一个字段编号，或者是一对数字。

每个编号后面都可以接一个点号的字符位置，或修饰符字母。

如果仅指定一个字段编号，则排序键值会自该字段的起始处开始，

一直继续到记录的结尾（而非字段的结尾）。

如果给的是一对用逗号隔开的字段数字，则排序键值将由第一个字段值的起始处开始，

结束于第二个字段值的结尾。使用点号表示字符位置。

-k2.4, 5.6指的是从第二个字段的第四个字符开始比较，一直比到第五个字段的第六个字符。

$ sort -t: -k1,1 /etc/passwd 以用户名称排序

bin:x:1:1:bin:/bin:/sbin/nologin

chico:x:12501:1000:Chico Marx:/home/chico:/bin/bash

harpo:x:12502:1000:Harpo Marx:/home/harpo:/bin/ksh

...

$ sort -t: -k3,3nr /etc/passwd 反省UID排序

或-k3nr,3或-k3,3 -n -r都可以。

4.1.3 文本块的排序

有时需要对多行记录组合而成的数据排序。以地址清单为例：

$ cat my-friends

# SORTKEY: Schlo, Hans Jurgen

Hans Jurgen Schlo

Unter den Linden 78

D-10117 Berlin

Germany

# SORTKEY: Jones, Adrian

...

技巧是：利用awk识别段落间隔，在每个地址内暂时使用一个未用过的字符取代分行。

sort看到的行就会变成这样：

# SORTKEY: Schlo, Hans Jurgen^ZHans Jurgen Schlo^ZUnter den Linden 78^Z...

cat my-friends | 读取地址文件

awk -v RS=" " '{ gsub("\n", "^Z"); print }' | 转换地址为单行

sort -f | 排序地址数据，忽略大小写

awk -v ORS="\n\n" '{ gsub("^Z", "\n"); print }' | 恢复行结构

grep -v '# SORTKEY' 删除标记行

1. 函数gsub()为全局性替换(global substitution)，类似sed下的s/x/y/g结构。

2. RS变量时输入数据的记录分隔器（Record Separator）。

通常输入数据以换行隔开，使每行成为单个记录。

RS=" "是一个特殊用法，指的是记录以空行隔开。

3. ORS是输出记录分隔器。

注：'{ action }'是对每个字段的操作，而RS,ORS都是对记录的设定。

4.1.5 sort的稳定性

sort并不稳定。

4.2 删除重复

sort -u是依据匹配的键值进行消除操作，而非匹配的记录。

uniq有3个好用选项：

-c在每个输出行之前加上该行重复的次数。

-d则用于仅显示重复的行。

-u仅显示未重复的行。

4.3 重新格式化段落

fwt -w 30

4.4 计算行数、字数以及字符数

wc的默认输出是一行报告，包括行数、字数以及字节数。

可用选项：-c（字节数）、-l（行数）、-w（字数）。

$ echo Testing one two three | wc -c

1 4 22

$ wc /etc/passwd /etc/group

4.6 提取开头或结尾数行

显示文件列表中每一个的前n条记录：

head -n n [file(s)]

head -n [file(s)]

awk 'FNR <= n' [file(s)]

sed -e nq [file(s)]

sed nq [file(s)]

观察不断增长的系统信息日志，Ctrl-C停止tail。

$ tail -n 25 -f /var/log/messages