SED和AWK

DOS与UNIX文件格式转换

一般而言文本文件有DOS格式与UNIX格式

  • 二者的区别是:
    • DOS格式换行为 0x0D0x0A
    • UNIX格式换行为 0x0A
    • fopen函数模式参数"wb"与"w"的区别
      • Windows下"w"打开文件,向文件中写0x0A会在前自动添加0x0D
      • 注意FTP等方式传输非文本文件需要用BIN模式

注意脚本要保存为UNIX格式,实践中发现DOS格式在一些情况下有问题

例如: DOS格式脚本

APP_HOME=$(pwd)      # /home/app
echo $APP_HOME/bin

运行结果为 /bine/app

原因: 若脚本格式是DOS格式的, APP_HOME变量的值为 /home/app\0xd, 从而$APP_HOME/bin为/home/app\0xd/bin 其显示为/bine/app.

可以通过查看其变量长度证明该结论.

  • dos2unix
  • vim
    • DOS转UNIX :set fileformat=unix
    • UNIX转DOS :set fileformat=dos
    • 简写 :set ff=
  • dos2unix:
    • sed -i'' "s/\r//" file
    • sed 's/\x0D$//'
    • cat file | col -b > newfile
    • cat file | tr -d "\r" > newfile
    • cat file | tr -d "\015" > newfile
  • unix2dos:
    • sed -i'' "s/$/\r/" file
    • sed -i'' "s/$/\x0d/" file 备注:
  • UTF-8格式的文本需要注意是否有BOM标志(EF BB BF)
  • cat –v 显示不可见字符

按行截取文件

  • sed
    sed -n '起始行号,结束行号p' 文件名
    若结束行号<开始行号 打印开始行号
  • awk
    awk '{if ( NR==4 ) print $0}' list.txt
  • 打印文件的第一行
    head -1 test.txt
  • 打印文件的第2行
    sed -n '2p' test.txt
  • 打印文件的第2到5行
    sed -n '2,5p' test.txt awk 'NR==2,NR==5' test.txt
  • 打印文件的第2行始(包括第2行在内) 5行的内容
    sed -n '2,+4p' test.txt
  • 打印倒数第二行
    tail -2 test.txt | head -1
    tac test.txt | sed -n '2p'

整词匹配

  • sed 's/\<old\>/new/g' file

文本间隔

在每一行后面增加一空行

`sed G`

文本中每一行后面将有且只有一空行

将原来的所有空行删除并在每一行后面增加一空行
`sed '/^$/d;G'`

在每一行后面增加两行空行

`sed 'G;G'`

删除所有偶数行

`sed 'n;d'`

在匹配regex的行之前插入一空行

`sed '/regex/{x;p;x;}'`

在匹配regex的行之后插入一空行

`sed '/regex/G'`

在匹配式样“regex”的行之前和之后各插入一空行

`sed '/regex/{x;p;x;G;}'`

编号

nl

为文件中的每一行进行编号(简单的左对齐方式)

`sed = filename | sed 'N;s/\n/\t/'`

对文件中的所有行编号(行号在左,文字右端对齐)

`sed = filename | sed 'N; s/^/     /; s/ *\(.\{6,\}\)\n/\1  /'`

对文件中的所有行编号,但只显示非空白行的行号:

`sed '/./=' filename | sed '/./N; s/\n/ /'`

计算行数 (模拟 "wc -l"):

`sed -n '$='`

文本转换和替代

将每一行前导的“空白字符”(空格,制表符)删除使之左对齐

`sed 's/^[ \t]*//'`    

将每一行拖尾的“空白字符”(空格,制表符)删除

`sed 's/[ \t]*$//'`

将每一行中的前导和拖尾的空白字符删除

`sed 's/^[ \t]*//;s/[ \t]*$//'`

在每一行开头处插入5个空格(使全文向右移动5个字符的位置):

`sed 's/^/     /'`

以79个字符为宽度,将所有文本右对齐:

`sed -e :a -e 's/^.\{1,78\}$/ &/;ta'`  # 78个字符外加最后的一个空格

以79个字符为宽度,使所有文本居中。在方法1中,为了让文本居中每一行的前头和后头都填充了空格。 在方法2中,在居中文本的过程中只在文本的前面填充空格,并且最终这些空格将有一半会被删除。此外每一行的后头并未填充空格:

sed  -e :a -e 's/^.\{1,77\}$/ & /;ta'                     # 方法1
sed  -e :a -e 's/^.\{1,77\}$/ &/;ta' -e 's/\( *\)\1/\1/'  # 方法2

在每一行中查找字串“foo”,并将找到的“foo”替换为“bar”:

sed 's/foo/bar/' # 只替换每一行中的第一个“foo”字串 sed 's/foo/bar/4' # 只替换每一行中的第四个“foo”字串 sed 's/foo/bar/g' # 将每一行中的所有“foo”都换成“bar” sed 's/(.)foo(.foo)/\1bar\2/' # 替换倒数第二个“foo” sed 's/(.*)foo/\1bar/' # 替换最后一个“foo”

只在行中出现字串“baz”的情况下将“foo”替换成“bar”:

sed '/baz/s/foo/bar/g' 将“foo”替换成“bar”,并且只在行中未出现字串“baz”的情况下替换:

sed '/baz/!s/foo/bar/g' 不管是“scarlet”“ruby”还是“puce”,一律换成“red”:

sed 's/scarlet/red/g;s/ruby/red/g;s/puce/red/g' #对多数的sed都有效 gsed 's/scarlet|ruby|puce/red/g' # 只对GNU sed有效

倒置所有行,第一行成为最后一行,依次类推(模拟“tac”)。由于某些原因,使用下面命令时HHsed v1.5会将文件中的空行删除:

sed '1!G;h;$!d' # 方法1 sed -n '1!G;h;$p' # 方法2

将行中的字符逆序排列,第一个字成为最后一字,……(模拟“rev”):

`sed '/\n/!G;s/\(.\)\(.*\n\)/&\2\1/;//D;s/.//'`

将每两行连接成一行(类似“paste”):

`sed '$!N;s/\n/ /'`

如果当前行以反斜杠“\”结束,则将下一行并到当前行末尾,并去掉原来行尾的反斜杠:

`sed -e :a -e '/\\$/N; s/\\\n//; ta'`

如果当前行以等号开头,将当前行并到上一行末尾,并以单个空格代替原来行头的“=”:

`sed -e :a -e '$!N;s/\n=/ /;ta' -e 'P;D'`

为数字字串增加逗号分隔符号,将“1234567”改为“1,234,567”:

`gsed ':a;s/\B[0-9]\{3\}\>/,&/;ta'`                     # GNU sed
`sed -e :a -e 's/\(.*[0-9]\)\([0-9]\{3\}\)/\1,\2/;ta'` # 其他sed

为带有小数点和负号的数值增加逗号分隔符(GNU sed):

`gsed -r ':a;s/(^|[^0-9.])([0-9]+)([0-9]{3})/\1\2,\3/g;ta'`

在每5行后增加一空白行 (在第5,10,15,20,等行后增加一空白行):

gsed '0~5G' # 只对GNU sed有效 sed 'n;n;n;n;G;' # 其他sed

选择性地显示特定行

显示文件中的第一行

`sed q`

显示文件中的前10行

`sed 10q`

显示文件中的最后10行

`sed -e :a -e '$q;N;11,$D;ba'`

显示文件中的最后2行

`sed '$!N;$!D'`

显示文件中的最后一行

`sed '$!d'`                        # 方法1
`sed -n '$p'`                      # 方法2

显示文件中的倒数第二行:

`sed -e '$!{h;d;}' -e x`              # 当文件中只有一行时,输入空行
`sed -e '1{$q;}' -e '$!{h;d;}' -e x ` # 当文件中只有一行时,显示该行
`sed -e '1{$d;}' -e '$!{h;d;}' -e x ` # 当文件中只有一行时,不输出

只显示匹配正则表达式的行

`sed -n '/regexp/p'`               # 方法1
`sed '/regexp/!d'`                 # 方法2

只显示不匹配正则表达式的行(grep -v)

`sed -n '/regexp/!p'`              # 方法1,与前面的命令相对应
`sed '/regexp/d'`                  # 方法2,类似的语法

查找regexp并将匹配行的上一行显示出来,但并不显示匹配行:

`sed -n '/regexp/{g;1!p;};h'`

查找regexp并将匹配行的下一行显示出来,但并不显示匹配行:

`sed -n '/regexp/{n;p;}'`

显示包含regexp的行及其前后行,并在第一行之前加上regexp所在行的行号 (grep -A1 -B1)

`sed -n -e '/regexp/{=;x;1!p;g;$!N;p;D;}' -e h`

显示包含AAABBBCCC的行(任意次序):

`sed '/AAA/!d; /BBB/!d; /CCC/!d'`  # 字串的次序不影响结果

显示包含AAABBBCCC的行(固定次序):

`sed '/AAA.*BBB.*CCC/!d'`

显示包含AAA BBBCCC的行(egrep)

`sed -e '/AAA/b' -e '/BBB/b' -e '/CCC/b' -e d`    # 多数sed
`gsed '/AAA\|BBB\|CCC/!d'`                        # 对GNU sed有效

显示包含65个或以上字符的行

`sed -n '/^.\{65\}/p'`

显示包含65个以下字符的行:

`sed -n '/^.\{65\}/!p'`            # 方法1,与上面的脚本相对应
`sed '/^.\{65\}/d'`                # 方法2,更简便一点的方法

显示部分文本——从包含正则表达式的行开始到最后一行结束

`sed -n '/regexp/,$p'`

显示部分文本——指定行号范围(从第8至第12行,含8和12行):

`sed -n '8,12p'`                   # 方法1
`sed '8,12!d'`                     # 方法2

显示第52行

`sed -n '52p'`                     # 方法1
`sed '52!d'`                       # 方法2
`sed '52q;d'`                      # 方法3, 处理大文件时更有效率

从第3行开始,每7行显示一次:

`gsed -n '3~7p'`                   # 只对GNU sed有效
`sed -n '3,${p;n;n;n;n;n;n;}'`     # 其他sed

显示两个正则表达式之间的文本(包含):

`sed -n '/Iowa/,/Montana/p'`       # 区分大小写方式

选择性地删除特定行

显示通篇文档,除了两个正则表达式之间的内容:

`sed '/Iowa/,/Montana/d'`

删除文件中相邻的重复行,只保留重复行中的第一行,其他行删除(uniq)

`sed '$!N; /^\(.*\)\n\1$/!P; D'`

删除文件中的重复行,不管有无相邻。注意hold space所能支持的缓存大小,或者使用GNU sed:

`sed -n 'G; s/\n/&&/; /^\([ -~]*\n\).*\n\1/d; s/\n//; h; P'`

删除除重复行外的所有行

`sed '$!N; s/^\(.*\)\n\1$/\1/; t; D'`

删除文件中开头的10行:

`sed '1,10d'`

删除文件中的最后一行:

`sed '$d'`

删除文件中的最后两行:

`sed 'N;$!P;$!D;$d'`

删除文件中的最后10行:

`sed -e :a -e '$d;N;2,10ba' -e 'P;D'`   # 方法1
`sed -n -e :a -e '1,10!{P;N;D;};N;ba'`  # 方法2

删除8的倍数行:

`gsed '0~8d'`                           # 只对GNU sed有效
`sed 'n;n;n;n;n;n;n;d;'`                # 其他sed

删除匹配式样的行:

`sed '/pattern/d'`                      # 删除含pattern的行。当然pattern可以换成任何有效的正则表达式

删除文件中的所有空行(与“grep '.' ”效果相同):

`sed '/^$/d'`                           # 方法1
`sed '/./!d'`                           # 方法2

只保留多个相邻空行的第一行。并且删除文件顶部和尾部的空行(cat -s)

`sed '/./,/^$/!d'`        #方法1,删除文件顶部的空行,允许尾部保留一空行
`sed '/^$/N;/\n$/D'`      #方法2,允许顶部保留一空行,尾部不留空行

只保留多个相邻空行的前两行:

`sed '/^$/N;/\n$/N;//D'`

删除文件顶部的所有空行:

`sed '/./,$!d'`

删除文件尾部的所有空行:

`sed -e :a -e '/^\n*$/{$d;N;ba' -e '}'`  # 对所有sed有效
`sed -e :a -e '/^\n*$/N;/\n$/ba'`        # 同上,但只对 gsed 3.02.*有效

注意事项

简写

sed -e '/AAA/b' -e '/BBB/b' -e '/CCC/b' -e d GNU sed能让命令更紧凑: sed '/AAA/b;/BBB/b;/CCC/b;d' # 甚至可以写成 sed '/AAA|BBB|CCC/b;d'

速度优化

当由于某种原因(比如输入文件较大、处理器或硬盘较慢等)需要提高命令执行速度时,可以考虑在替换命令(“s/.../.../”)前面加上地址表达式来提高速度。举例来说: sed 's/foo/bar/g' filename # 标准替换命令 sed '/foo/ s/foo/bar/g' filename # 速度更快 sed '/foo/ s//bar/g' filename # 简写形式 当只需要显示文件的前面的部分或需要删除后面的内容时,可以在脚本中使用“q”命令(退出命令)。在处理大的文件时,这会节省大量时间。因此: sed -n '45,50p' filename # 显示第45到50行 sed -n '51q;45,50p' filename # 一样,但快得多

AWK 单行脚本

Unix: awk '/pattern/ {print "$1"}' # 标准 Unix shell环境

文本间隔

每行后面增加一行空行:

`awk '1;{print ""}'`
`awk 'BEGIN{ORS="\n\n"};1'`

每行后面增加一行空行。输出文件不会包含连续的两个或两个以上的空行

`awk 'NF{print $0 "\n"}'`

每行后面增加两行空行:

`awk '1;{print "\n"}'`

编号和计算

以文件为单位,在每句行前加上编号 (左对齐)

`awk '{print FNR "\t" $0}' files*`

用制表符 (\t) 给所有文件加上连贯的编号:

`awk '{print NR "\t" $0}' files*`

以文件为单位,在每句行前加上编号 (编号在左,右对齐)

`awk '{printf("%5d : %s\n", NR,$0)}'`

给非空白行的行加上编号

`awk 'NF{$0=++a " :" $0};{print}'`
`awk '{print (NF? ++a " :" :"") $0}'`

计算行数

`awk 'END{print NR}'`

计算每行每个区域之和

`awk '{s=0; for (i=1; i<=NF; i++) s=s+$i; print s}'`

计算所有行所有区域的总和

`awk '{for (i=1; i<=NF; i++) s=s+$i}; END{print s}'`

打印每行每区域的绝对值:

`awk '{for (i=1; i<=NF; i++) if ($i < 0) $i = -$i; print }'`
`awk '{for (i=1; i<=NF; i++) $i = ($i < 0) ? -$i : $i; print }'`

计算所有行所有区域(词)的个数

`awk '{ total = total + NF }; END {print total}' file`

打印两个模式之间的行

`awk '/START_PATTERN/,/END_PATTERN/' file`

打印包含Beth的行数

`awk '/Beth/{n++}; END {print n+0}' file`

打印第一列最大的行,并且在行前打印出这个最大的数:

`awk '$1 > max {max=$1; maxline=$0}; END{ print max, maxline}'`

打印每行的列数,并在后面跟上此行内容

`awk '{ print NF ":" $0 } '`

打印每行的最后一列

`awk '{ print $NF }'`

打印最后一行的最后一列:

`awk '{ field = $NF }; END{ print field }'`

打印列数超过4的行

`awk 'NF > 4'`

打印最后一列大于4的行:

`awk '$NF > 4'`

构建字符串

构建一指定长度的字符串

`awk 'BEGIN{while (a++<513) s=s " "; print s}'`

在某一位置中插入以特定长度的字符串。例子:在每行第6列后插入49个空格:

`gawk --re-interval 'BEGIN{while(a++<49)s=s " "};{sub(/^.{6}/,"&" s)};1'`

构建数组

以下两个部分并不是一句话脚本,但是这些技巧相当便捷所以也包括进来。
构建一个叫month的数组,以数字为索引,month[1]就是'Jan',month[2]就是'Feb',month[3]就是'Mar',以此类推: split("Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec", month, " ")

构建一个叫mdigit的数组,以字符串为索引,mdigit["Jan"] 等于 1,mdigit["Feb"] 等于 2,等等。需要有"month"数组: for (i=1; i<=12; i++) m_digit[month[i]] = i

文本转换和替代

在Unix环境:转换DOS新行 (CR/LF) 为Unix格式:

`awk '{sub(/\r$/,"")};1'`   # 假设每行都以Ctrl-M结尾

在Unix环境:转换Unix新行 (LF) 为DOS格式:

`awk '{sub(/$/,"\r")};1'`

在DOS环境:转换Unix新行 (LF) 为DOS格式:

`awk 1`

在DOS环境:转换DOS新行 (CR/LF) 为Unix格式。DOS版本的awk不能运行, 只能用gawk:

`gawk -v BINMODE="w" '1' infile >outfile`

tr 替代的方法:

`tr -d \r <infile >outfile`            # GNU tr 版本为 1.22 或者更高

删除每行前的空白(包括空格符和制表符),使所有文本左对齐:

`awk '{sub(/^[ \t]+/, "")};1'`

删除每行结尾的空白(包括空格符和制表符)

`awk '{sub(/[ \t]+$/, "")};1'`

删除每行开头和结尾的所有空白(包括空格符和制表符)

`awk '{gsub(/^[ \t]+|[ \t]+$/,"")};1'`
`awk '{$1=$1};1'`           # 每列之间的空白也被删除

在每一行开头处插入5个空格 (做整页的左位移):

`awk '{sub(/^/, "     ")};1'`

用79个字符为宽度,将全部文本右对齐

`awk '{printf "%79s\n", $0}' file*`

用79个字符为宽度,将全部文本居中对齐

`awk '{l=length();s=int((79-l)/2); printf "%"(s+l)"s\n",$0}' file*`

每行用 "bar" 查找替换 "foo":

`awk '{sub(/foo/,"bar")}; 1'`           # 仅仅替换第一个找到的"foo"
`gawk '{$0=gensub(/foo/,"bar",4)}; 1'`  # 仅仅替换第四个找到的"foo"
`awk '{gsub(/foo/,"bar")}; 1'`          # 全部替换

在包含 "baz" 的行里,将 "foo" 替换为 "bar":

`awk '/baz/{gsub(/foo/, "bar")}; 1'`

在不包含 "baz" 的行里,将 "foo" 替换为 "bar":

`awk '!/baz/{gsub(/foo/, "bar")}; 1'`

将 "scarlet" 或者 "ruby" 或者 "puce" 替换为 "red"

`awk '{gsub(/scarlet|ruby|puce/, "red")}; 1'`

倒排文本(tac)

`awk '{a[i++]=$0} END {for (j=i-1; j>=0;) print a[j--] }' file*`

如果一行结尾为反斜线符,将下一行接到这行后面(如果有连续多行后面带反斜线符,将会失败):

`awk '/\\$/ {sub(/\\$/,""); getline t; print $0 t; next}; 1' file*`

排序并打印所有登录用户的姓名:

`awk -F ":" '{ print $1 | "sort" }' /etc/passwd`

以相反的顺序打印出每行的前两列

`awk '{print $2, $1}' file`

调换前两列的位置

`awk '{temp = $1; $1 = $2; $2 = temp}' file`

打印每行,并删除第二列

`awk '{ $2 = ""; print }'`

倒置每行并打印

`awk '{for (i=NF; i>0; i--) printf("%s ",i);printf ("\n")}' file`

用逗号链接每5行

`awk 'ORS=NR%5?",":"\n"' file`

选择性的打印某些行

打印文件的前十行

`awk 'NR < 11'`

打印文件的第一行

`awk 'NR>1{exit};1'`

打印文件的最后两行

`awk '{y=x "\n" $0; x=$0};END{print y}'`

打印文件的最后一行

`awk 'END{print}'`

打印匹配正则表达式的行

`awk '/regex/'`

打印不匹配正则表达式的行 awk '!/regex/'

打印第5列等于"abc123"的行:

`awk '$5 == "abc123"'`

打印第5列不等于"abc123"的行

`awk '$5 != "abc123"'`
`awk '!($5 == "abc123")'`

用正则匹配某一列:

`awk '$7  ~ /^[a-f]/'`    # 打印第7列匹配的行
`awk '$7 !~ /^[a-f]/'`    # 打印第7列不匹配的行

打印匹配正则表达式的前一行,但是不打印当前行:

`awk '/regex/{print x};{x=$0}'`
`awk '/regex/{print (x=="" ? "match on line 1" : x)};{x=$0}'`

打印匹配正则表达式的后一行,但是不打印当前行:

`awk '/regex/{getline;print}'`

以任何顺序查找包含 AAA、BBB 和 CCC 的行:

`awk '/AAA/; /BBB/; /CCC/'`

以指定顺序查找包含 AAA、BBB 和 CCC 的行:

`awk '/AAA.*BBB.*CCC/'`

打印长度大于64个字节的行

`awk 'length > 64'`

打印长度小于64个字节的行

`awk 'length < 64'`

打印从匹配正则起到文件末尾的内容

`awk '/regex/,0'`
`awk '/regex/,EOF'`

打印指定行之间的内容 (8-12行, 包括第8和第12行):

`awk 'NR==8,NR==12'`

打印第52行:

`awk 'NR==52'`
`awk 'NR==52 {print;exit}'`          # 对于大文件更有效率

打印两个正则匹配间的内容

`awk '/Iowa/,/Montana/'`             # 大小写敏感

选择性的删除某些行

删除所有空白行(grep '.')

`awk NF`
`awk '/./'`

删除重复连续的行

`awk 'a !~ $0; {a=$0}'`

删除重复的、非连续的行:

`awk '! a[$0]++'`                     # 最简练
`awk '!($0 in a) {a[$0];print}'`      # 最有效

results matching ""

    No results matching ""