Linux三剑客grep，sed，awk及使用介绍

Linux三剑客grep，sed，awk及使用介绍

Linux 三剑客是（grep，sed，awk）三者的简称，熟练使用这三个工具可以提升运维效率。Linux 三剑客以正则表达式作为基础，而在Linux系统中，支持两种正则表达式，分别为“标准正则表达式”和“扩展正则表达式”。在掌握好正则表达式后，将具体讲解三剑客的用法。

一、正则表达式

正则表达式：REGular EXPression, REGEXP
元字符：
.: 匹配任意单个字符
[]: 匹配指定范围内的任意单个字符
[^]：匹配指定范围外的任意单个字符
 字符集合：[:digit:], [:lower:], [:upper:], [:punct:], [:space:], [:alpha:], [:alnum:]
    注意：字符集合要用[ ]包含

匹配次数（贪婪模式）：
*: 匹配其前面的字符任意次 
 a, b, ab, aab, acb, adb, amnb
 a*b， a?b
 a.*b

 .*: 任意长度的任意字符
\?: 匹配其前面的字符1次或0次
\+：匹配至少一次
\{m,n\}:匹配其前面的字符至少m次，至多n次
 \{1,\}
 \{0,3\}
    备注：至少0次，必须要显示的写出来。

位置锚定：
^: 锚定行首，此字符后面的任意内容必须出现在行首
$: 锚定行尾，此字符前面的任意内容必须出现在行尾
^$: 空白行

\<或\b: 锚定词首，其后面的任意字符必须作为单词首部出现
\>或\b: 锚定词尾，其前面的任意字符必须作为单词的尾部出现

分组：
\(\)
 \(ab\)*
 后向引用
 \1: 引用第一个左括号以及与之对应的右括号所包括的所有内容
 \2:
 \3:

可以看到标准正则表达的使用过程中，许多符号都需要转义，这在工作中带来了一定的不便，因此扩展的正则表达式便出现了。

二、拓展正则表达式

1. 字符匹配：
.
[abc]：包含abc任意一个字符
[^abc]：不包含abc任意一个字符

2. 次数匹配（不用再转义）：
*: 
?:
+: 匹配其前面的字符至少1次
{m,n}

3. 位置锚定：
^
$
\<
\>

4. 分组（不用再转义）：
()：分组
\1, \2, \3, ...

5. 或者
|: or
C|cat: C或cat（表示的是整个部分）

可以看到，使用扩展的正则表达式可以省略很多的转义符号，这尤其在写sed语句时极大的提高了代码的可读性。建议优先使用扩展的正则表达式。

三、grep命令家族

3.1. grep相关命令

grep命令家族由grep, egrep, fgrep 三个子命令组成，适用于不同的场景。具体如下：
命令 描述
grep 原生的grep命令，使用“标准正则表达式”作为匹配标准。
egrep 扩展的grep命令，相当于$(grep -E)，使用“扩展正则表达式”作为匹配标准。
fgrep 简化版的grep命令，不支持正则表达式，但搜索速度快，系统资源使用率低。

3.2. 使用方法

语法
grep [options] PATTERN [FILE...]
options部分
-i：忽略大小写
--color：高亮匹配上的字符串
-v: 显示没有被模式匹配到的行
-o：只显示被模式匹配到的字符串
-E：使用扩展的正则表达式
PATTERN部分
以字符串的方式给定匹配模板，可以使用普通字符串以及正则表达式(标准&扩展)。
FILE部分
需要查找内容的文件。

四、sed命令

4.1. 概述

sed全称是Stream EDitor
sed是一个流编辑器、行编辑器

4.2 基本语法

sed [option] 'script' [input file]...
option部分
-n：不输出模式空间中的内容到stdout
-e：可以在sed命令中指定多个script脚本，多点编辑功能
-f：输入sed脚本，脚本中写着编辑命令
-r：支持使用扩展的正则
-i：直接编辑源文件

script部分
地址定界编辑命令(和vim命令相似)
1）空地址：全文编辑
2）单地址：
  #：指定某一行，对特定行进行编辑
  /pattern/：指定模式匹配到的那一行
3）地址范围：
  #,#
  #,+#
  #,/pattern/
  /pattern1/,/pattern2/
4）步进地址：
  1~2：以1为起始行，然后递进2行向下匹配
  2~2：所有偶数行
5）编辑命令：
  d：删除整行，d放在最后
  p：显示模式空间中的内容, 放在最后
  a：在匹配的行后面增加文本，使用\n支持多行追加。a放在定界后面
  i：在前面加文本。举例：sed '3i hello' xxx
  c：替换行为指定的文本。举例：sed '3c text' xxx 把第三行替换成text。sed -i '/xyz/c helloworld' num.txt
  w：保存模式空间中匹配的内容到指定位置。举例：sed -n '/^[^#]/w /tmp/demo' /etc/fstab 将/etc/fstab中非#开头的行保存到/tmp/demo中。
  r：读取指定文件的内容添加到当前文件匹配到的行后面，进行文件合并。
  ！：条件取反。用法：地址定界!编辑命令。
  s///：条件替换。
替换标记备注：g(全局替换)，p(显示替换成功的行)

替换举例：根据输入查找目录
echo "/var/log/messages" | sed 's@[^/]+$/?@@'

4.3.sed高级用法

1. 模式空间与保持空间
   

在模式空间中，完成匹配的操作。当没有匹配上的时候，文本行内容会默认输出stdout；当匹配上文本行的时候，会执行编辑命令，执行结果输出到stdout中。
保持空间可以理解为一个暂存区，只是用于完成额外的动作。

1. 参数
   h：把模式空间中的内容覆盖至保持空间中；
   H：把模式空间中的内容追加至保持空间中；
   g：把保持空间中的内容覆盖至模式空间中；
   G：把保持空间中的内容追加至模式空间中；
   x：把模式空间中的内容与保持空间中的内容互换；
   n：覆盖读取匹配到的行的下一行(改变指向)至模式空间中；
   N：追加读取匹配到的行的下一行(改变指向)至模式空间中；
   d：删除模式空间中的行；
   D：删除多行模式空间中的所有行；

3. 举例
sed -n 'n;p' FILE：显示偶数行；
sed '1!G;h;$!d' FILE：逆序显示文件的内容；
sed '$!d' FILE：取出最后一行；
sed '\$!N;$!D' FILE：取出文件后两行；
sed '/^$/d;G' FILE：删除原有的所有空白行，而后为所有的非空白行后添加一个空白行；
sed 'n;d' FILE：显示奇数行；
sed 'G' FILE：在原有的每行后方添加一个空白行；

• 举例：提取字符串

/bin/bash
info="hellozimskyshenzhen"
echo $info | sed 's/hello\(\w\+\)shenzhen/\1/g'

备注：

sed中不支持\d，如果要用数字用[0-9]，但是支持\w。
sed中的()要转义，+要转义，<>大于小于号要转义。

• 举例：判断是否存在指定格式的字符串

#!/bin/bash
# 判断输入是否为整数
if [ -n "$(echo $1 | sed -n '/^[0-9]\+$/p')" ] ; then
  echo 'yes'
else
  echo 'no'
fi

五、awk命令

5.1. awk概述

awk是发明该工具三个作者姓名的首字母简称，awk是一个报表生成器，主要用于格式化输出。格式化文本输出器。

5.2. 基本用法

1. 语法
gawk [option] 'program' FILE
其中program: PATTERN{ACTION STATEMENTS}
{动作指令}可以理解成为命令，最常用的是print、printf

2. awk读取文档过程
按照行来读取文档，根据输入分隔符切分成小部分(用內建变量来表示$0$1$2...)，用ACTION STATEMENTS来处理。$0表示显示整行。

3. 选项option
-F：指名输入字段的分隔符；
-v：用来实现自定义变量var=value；

4. PATTERN(用于定界)
 空：表示处理文件的每一行
 /pattern/：使用正则匹配需要处理的行
 !/pattern/：上面取反
 关系表达式：结果为真假，结果为真的处理，假的不处理。非0非空字符串为真，其余为假。
 行定界：不支持直接给出数字的格式(1,2{...})。见举例。
 BEGIN/END模式：BEGIN{}表示仅在开始处理文件中的文本之前执行一次的程序，例如打印表头。END{}表示文本处理完成之后执行一次，例如汇总数据。

举例：
awk -F: '$NF=="/bin/bash" {print $1, $NF}' /etc/passwd
awk -F: '$NF!"/bash/$"{print $1,$NF}' passwd
awk -F: '$3<1000 {print $1, $3}' /etc/passwd
awk -F; '(NR>=2&&NR<=10){print $1}' /etc/passwd 行定界
awk -F: '{printf "%-15s %10s\n", $1, $2}' /etc/passwd

5. 变量

• 內建变量(在引用变量时不用加$)
  FS：input field seperator：输入字段分隔符，默认空白字符。使用-v指定。
  OFS：输出字段分隔符。使用-v指定。
  RS：输入时的换行符
  ORS：输出时的换行符
  NF：number of field 每一行的字段数量。加上$NF表示最后一列。
  NR：number of record 文件的行数，打印出来是打印行号
  FNR：多个文件中的行数分别计数
  FILENAME：当前文件的文件名
  ARGC：参数命令行中参数的个数
  ARGV：返回数组，命令行中的每个参数
  举例：awk 'BEGIN {print ARGV[0]}' /etc/fstab /etc/issue
  在这里ARGV[0]是awk，固定为第0个参数。ARGV[1]是/etc/fstab，ARGV[2]是/etc/issue
  举例：awk -v FS=':' '{print $1}' -v OFS=':' /etc/passwd 指名冒号作为输入的分隔符。同awk -F: ...

• 自定义变量
  方法1：-v var=value (区分字符的大小写)
  方法2：在program中定义

  举例：awk -v test='hello' 'BEGIN {print test}'
  awk 'BEGIN {test='hello' print test}'
  

6. 常用的ACTION命令

• print
  输出格式：print item1,item2 ...
  备注：使用逗号作为分隔符；输出item可以是字符串、內建变量、awk表达式；若省略item，则显示$0整行；

• printf
  格式化输出：printf FORMAT, item1, item2...按位放在format中。
  注意事项：format必须要给出；如需换行，必须要显示写出；format中需要为后面每个item指定格式符；
• Expressions
• Control statements：控制语句if，while
  if(condition){statement}
  if(condition){statement} else {statements}
  while(condition) {statements}
  do {statements} while(condition)
  for(expr1;expr2;expr3) {statements}
  break
  continue
  delete array[index]
  delete array删除整个数组
  exit 退出语句
• Compound statements：组合语句
• Input statements：输入语句

• Output statements：输出语句
  格式符：
   %c：显示字符的ASCII值
   %d：显示十进制整数
   %e：科学计数法数值显示
   %f：显示为浮点数
   %g：以科学计数法显示浮点数
   %s：显示字符串
   %u：显示无符号整数
   %%：显示%自身
  修饰符：
   #[.#]：第一个数字用于控制显示字符的宽度，第二个数字表示小数的精度(对于浮点数而言)；输出默认右对齐%15s，左对齐：%-15s；+：表示带正负符号；
  操作符：
   算数操作符：+-/* ; +x把字符串转换成数值；-x改成负数；
   字符串操作符：字符串连接(没有操作符)
   复制操作符：=,+=,-=,/=,++,--
   比较操作符：>,<,<=,!=,==
  模式匹配符：
   ~：左侧的字符串是否被模式匹配
   !~：左侧的字符串是否不能被模式匹配
  逻辑操作符：
   &&：与
   ||：或
   !：非
  函数调用：
   function_name(arg1, arg2, ...)
  条件表达式：
   selector?true_exp:false_exp 和三目运算符一样

• 操作例子

# 一般来说, 打印无状态内容放在BEGIN和END块中
awk -v begin="hello" -v end="ok" -F: 'BEGIN{print begin}; {print $1, $NF}; END{print end}' /etc/passwd

5.3. awk高级用法及举例

awk常用内置变量

$1:表示第一列

$NF:表示最后一列

$NR:表示行号

常用条件表示

1) /指定内容/

这种方式可以匹配到含有“指定内容”的行，在条件中不添加$#所带的项，建议不使用正则，有异常情况。

awk -F: '/nologin/{print $0}' /etc/passwd #匹配到含有nologin关键字的行

seq 100 | awk '/1/{print $1}'

2) $#=/指定内容/

这种方式指定第#列匹配指定内容

awk -F: '$1=/bin/{print $0}' /etc/passwd

3) $#~/指定内容/

这种方式用于指定列模糊匹配(正则匹配)指定内容，并获取该行。

awk -F: '$1~/dae/{print $1}' /etc/passwd  #正向选择

awk -F: '$1!~/dae/{print $1}' /etc/passwd #反向选择

4) 值判断

使用>,<,>=,<=,==,!=来判断指定列的值。

awk -F: '$3>=10{print $1}' /etc/passwd

5) 逻辑判断

使用&&,||来进行逻辑判断。

awk -F: '$3>=5 && $3<=10{print $1}' /etc/passwd

6) if条件判断

awk -F: '{if ($NF~/nologin$/){i++}else{j++}}; END{print i, j}' /etc/passwd

#注意if-else条件判断是放在{}中的

7) 字典使用

在awk中可以定义数组类型，用于统计。

awk '{ip[$1]++}; END{for (i in ip) {print i, ip[i]}}' access.log

#解析: 将第一列ip设置为字典的key，当出现一次相同的ip时自增1，用于统计所有的ip计数。

#for循环中取到每个字典对应的key，再使用print块打印出来。注意花括号的隔离。

#QQ号 等级  时长

#统计等级(30<=x<=90)，相同账号的时长

#1234 12 23

#1234 10 122

#1233 92 4212

#1233 42 4252

#1239 87 2313

#1233 56 1121

#1231 19 45

#1235 45 679

cat data | awk '$2>=30&&$2<=90{dic[$1]+=$3}; END{for (i in dic) {print i, dic[i]}}'

linuxboy的RSS地址：https://www.linuxboy.net/rssFeed.aspx

本文永久更新链接地址：https://www.linuxboy.net/Linux/2019-10/160947.htm