Linux 文本处理三剑客之grep

文本处理都要使用正则表达式，正则表达式有：

• 基本正则表达式：grep或者egrep -g
• 扩展正则表达式：egreo或者grep -e

linux 文本处理三剑客：

• sed：stream editor，流编辑工具程序。

• awk：linux上是gawk，格式化文本工具程序。

• grep：global search regular expression and print out the line

  • 使用基本正则表达式的命令：
    • grep
    • egrep -g
    • fgrep -g
  • 使用扩展正则表达式的命令：
    • grep -e
    • egrep
    • fgrep -e
  • 不使用正则表达式的命令，速度会快得多。
    • fgrep

  文本搜索工具，根据用户指定的搜索条件，对目标文本逐行扫描，打印出匹配的所有行。

  搜索条件：就是用正则表达式来表示。

一，grep使用介绍：

• 语法：

  • grep [options] pattern [file...]
  • grep [options][-e pattern | -f file] [file...]

• 最基本的例子：查找"uuid"，在/etc/fstab

  # grep "uuid" /etc/fstab
  uuid=3d3b316a-529e-484a-9895-e785fdde5365 /boot         xfs     defaults        0 0

• 搜索时，搜索条件的字母是区分大小写的，让它不区分大小写的选项：-i

  # grep "uuid" /etc/fstab
  # echo $?
  1
  # grep -i "uuid" /etc/fstab
  uuid=3d3b316a-529e-484a-9895-e785fdde5365 /boot         xfs     defaults        0 0

• 不让它显示匹配到的一整行，只显示匹配但的文本内容本身：-o

  # grep -o "uuid" /etc/fstab
  uuid

• 让它显示没有匹配到的行：-v

  # grep -v "uuid" /etc/fstab
  /dev/mapper/centos-root /                       xfs     defaults        0 0

• 不显示匹配到的内容，只想知道是否匹配的结果：-q

  # grep -q "uuid" /etc/fstab
  # echo $?
  0
  # grep -q "uuida" /etc/fstab
  # echo $?
  1

• 使用扩展正则表达式：-e

• 显示匹配到的行的行号：-n

  # grep -n "uuid" /etc/fstab
  10:uuid=3d3b316a-529e-484a-9895-e785fdde5365 /boot         xfs     defaults        0 0

• 显示匹配到行的后面几行：-a #。#是数字

  # grep -na1 gentoo /etc/passwd
  49:gentoo:x:1004:1004::/tmp/gentoo:/bin/bash
  50-fedora:x:1005:1005::/tmp/fedora:/bin/bash

• 显示匹配到行的前面几行：-b #。#是数字

  # grep -nb2 gentoo /etc/passwd
  47-za2:x:1002:1003::/home/za2:/bin/bash
  48-mysql:x:1003:979::/home/mysql:/sbin/nologin
  49:gentoo:x:1004:1004::/tmp/gentoo:/bin/bas

• 显示匹配到行的前面几行和后面几行：-c #。#是数字

  # grep -nc1 gentoo /etc/passwd
  48-mysql:x:1003:979::/home/mysql:/sbin/nologin
  49:gentoo:x:1004:1004::/tmp/gentoo:/bin/bash
  50-fedora:x:1005:1005::/tmp/fedora:/bin/bash

• 字符匹配

  • .：匹配任意单个字符

    # grep -n "f..ora" /etc/passwd
    50:fedora:x:1005:1005::/tmp/fedora:/bin/bash
    # grep "f.ora" /etc/passwd
    #

  • []：匹配指定范围内的任意单个字符，中间不用逗号分隔

  • [^]：匹配指定范围外的任意单个字符

    [:digit:]，[:lower:]，[:upper:]，[:alpha:]，[:alnum:]，[:punct:]，[:space:]

    例子：匹配r和t之间，是2个字母的行。

    # grep "r[[:alpha:]][[:alpha:]]t" /etc/passwd
    root:x:0:0:root:/root:/bin/bash
    operator:x:11:0:operator:/root:/sbin/nologin

• 匹配次数：默认是贪婪模式，匹配到后，还会一直继续匹配下去，直到匹配不到了才停。

  下面的例子匹配"x*y"，【xxxxy】里有很多x，贪婪模式就把所有x都匹配了，而不是匹配的【xy】。

  • 【*】：匹配其前面的字符任意次。0次也包括。

    注意下面方括号里的是被匹配到的。

    # cat t1
    abxy
    aby
    xxxxy
    yab
    asdf
    # grep "x*y" t1
    ab[xy]
    ab[y]
    [xxxxy]
    [y]ab

    匹配r本身和r之后面的所有字符。

    # grep "r.*" /etc/passwd

  • 【?】:匹配其前面的字符0次或者1次。

  • 【\+】:匹配其前面的字符1次或者多次。

  • 【\{m\}】:匹配其前面的字符m次。

  • 【\{m,n\}】:匹配其前面的字符至少m次，至多n次。

  • 【\{m,\}】:匹配其前面的字符至少m次.

  • 【\{0,n\}】:匹配其前面的字符至多n次。

    注意下面方括号里的是被匹配到的。

    # cat t1
    abxy
    aby
    xxxxy
    yab
    asdf
    # grep "x\?y" t1
    ab[xy]
    ab[y]
    xxx[xy]
    [y]ab
    # grep "x\+y" t1
    ab[xy]
    [xxxxy]
    # grep "x\{1\}y" t1
    ab[xy]
    xxx[xy]
    # grep "x\{2\}y" t1
    xx[xxy]
    # grep "x\{2,3\}y" t1
    x[xxxy]
    # grep "x\{1,2\}y" t1
    ab[xy]
    xx[xxy]
    # grep "x\{1,\}y" t1
    ab[xy]
    [xxxxy]
    [root@localhost tmp]# grep "x\{,2\}y" t1
    ab[xy]
    ab[y]
    xx[xxy]
    [y]ab

• 位置锚定

  • 【^】：行首锚定
  • 【$】：行尾锚定
  • 【^pattern$】：用pattern匹配整行。
  • 【^$】：什么都不能有的空行。
  • 【^[[:space:]]\+$】：包含空白字符的行。
  • 单词：非特殊字符组成的连续字符都称为单词。
  • 【\<或\b】:单词首锚定，用于单词模式的左侧
  • 【\>或\b】:单词尾锚定，用于单词模式的右侧
  • 【\<单词\>】:匹配完整单词。

  # grep root /etc/passwd
  [root]:x:0:0:[root]:/[root]:/bin/bash
  operator:x:11:0:operator:/[root]:/sbin/nologin
  [root]kit:x:1006:1006::/home/[root]kit:/bin/bash
  user4:x:1007:1007::/home/user4:/bin/ch[root]
  ch[root]er:x:1008:1008::/home/ch[root]er:/bin/bash
  # grep "^root" /etc/passwd
  [root]:x:0:0:root:/root:/bin/bash
  [root]kit:x:1006:1006::/home/rootkit:/bin/bash
  # grep "root$" /etc/passwd
  user4:x:1007:1007::/home/user4:/bin/ch[root]
  # grep "^root$" /etc/passwd
  # echo $?
  1
  # cat t1
  abxy
  aby
  
  xxxxy
  
  yab
  asdf
  a
  # grep -n "^$" t1
  3:
  # grep -n "^[[:space:]]*$" t1
  3:
  5:
  # grep -n "^[[:space:]]\+$" t1
  5:
  # grep "\<root" /etc/passwd
  [root]:x:0:0:[root]:/[root]:/bin/bash
  operator:x:11:0:operator:/[root]:/sbin/nologin
  [root]kit:x:1006:1006::/home/[root]kit:/bin/bash
  # grep "root\>" /etc/passwd
  [root]:x:0:0:[root]:/[root]:/bin/bash
  operator:x:11:0:operator:/[root]:/sbin/nologin
  user4:x:1007:1007::/home/user4:/bin/ch[root]
  # grep "\<root\>" /etc/passwd
  [root]:x:0:0:[root]:/[root]:/bin/bash
  operator:x:11:0:operator:/[root]:/sbin/nologin

  练习1：显示/etc/passwd文件中不以/bin/bash结尾的行

  # grep -nv "/bin/bash$" /etc/passwd

  练习2：找出/etc/passwd文件中2位数或3位数的单词。

  # grep -n "\<[[:digit:]]\{2,3\}\>" /etc/passwd

  练习3：找出/etc/grub2.cfg文件中，以至少一个空白字符开头，且后面非空白字符的行。

  # grep -n "^[[:space:]]\{1,\}[^[:space:]]" /etc/grub2.cfg

  练习4：找出"netstat -tan"命令结果中以"listen"后跟0个，1个或多个空白字符结尾的行

  # netstat -tan | grep -n "listen[[:space:]]*"

• 分组及引用

  • 分组【\(\)】：将一个或多个字符用括号捆绑在一起，当作一个整体去匹配。

  • 引用：被匹配到的分组，会保存在特殊的变量里，在后面可以引用它们。

    • \1：第一个被匹配到的分组
    • \2：第二个被匹配到的分组
    • \#：第#个被匹配到的分组

    练习：匹配一个分组，且后面有一个同样的串。

    # cat t2
    he likes his lover.
    he loves his lover.
    she likes her liker.
    she loves her liker.
    # grep "l..e.*l..e" t2
    he [likes his love]r.
    he [loves his love]r.
    she [likes her like]r.
    she [loves her like]r.
    # grep "\(l..e\).*\1" t2
    he [loves his love]r.
    she [likes her like]r.
    

二，egrep使用介绍：

grep里的选项的用法在egrep里也适用。

• 字符匹配：和grep相同

• 次数匹配

  • ?：匹配其前面的字符0次或者1次。
  • +：匹配其前面的字符1次或者多次。
  • {m}：匹配其前面的字符m次。
  • {m,n}：匹配其前面的字符至少m次，至多n次。
  • {m,}：匹配其前面的字符至少m次.
  • {0,n}：匹配其前面的字符至多n次。

• 位置锚定：和grep相同

• 分组及引用

  • 分组()：将一个或多个字符用括号捆绑在一起，当作一个整体去匹配。
  • 引用：和grep相同

• 或

  • a|b：a或者b
  • c|cat：不是cat或者cat，是c或者cat
  • (c|c)at：cat或者cat

  练习1：找出/proc/meminfo文件中，所有在大写或小写s开头的行。用3种方法实现。

  # egrep "^(s|s)" /proc/meminfo

   # grep -ni "^s" /proc/meminfo

  # grep  "^[ss]" /proc/meminfo

  练习2：找出/etc/passwd文件中2位数或3位数的单词。

  # egrep -n "\<[[:digit:]]{2,3}\>" /etc/passwd

  练习3：找出/etc/grub2.cfg文件中，以至少一个空白字符开头，且后面非空白字符的行。

  # egrep -n "^[[:space:]]{1,}[^[:space:]]" /etc/grub2.cfg

  练习4：找出/etc/rc.d/init.d/functions文件中某单词后面跟一个小括号的行。

  # grep "\<.*\>[[:space:]]*()" /etc/rc.d/init.d/functions

  练习5：使用echo命令输出一个绝对路径，使用egrep取出基名。

  # echo /etc/rc.d/init.d/functions | grep -o "^/.*/"
  /etc/rc.d/init.d/
  # echo /etc/rc.d/init.d/functions | egrep -o "[^/]+$"
  functions

  练习6：找出ifconfig命令结果中1-255之间的数值。

  # ifconfig | grep -e "\<[1-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5]\>"

  练习7：找出ifconfig命令结果中ip地址。

  # ifconfig | egrep -n "\<[0-9]+\>.\<[0-9]+\>.\<[0-9]+\>.\<[0-9]+\>"

  练习8：找出用户名和shell名相同的用户。

  # egrep  "^([^:]+\>).*\1$" /etc/passwd
  sync:x:5:0:sync:/sbin:/bin/sync
  shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown
  halt:x:7:0:halt:/sbin:/sbin/halt

三，fgrep使用介绍

当无需使用到正则表达式时，使用fgrep性能更好。

四，文本查看及处理工具

1，wc：统计行数，单词数，字节数，字符数

• -l：行数
• -w：单词数
• -c：字节数
• -m：字符数

# wc /etc/fstab
 12  60 541 /etc/fstab
# wc -l /etc/fstab
12 /etc/fstab
# wc -w /etc/fstab
60 /etc/fstab
# wc -c /etc/fstab
541 /etc/fstab
# wc -m /etc/fstab
541 /etc/fstab

2，remove sections（列） from each line of files

linux下的文本，也是有格式的，所谓的格式，就是有可识别的分隔标识，用分隔标识，就可以把文本内容，切分成列。

比如，/etc/passwdwen文件里的内容就是用冒号分隔的。

• 语法：cut option... [file]...

• 指定冒号为分隔符：-d:

  只能指定单一分隔符。

• 留下哪些列：-f1-3,5,7

# cut -d: -f1-3,5,7 /etc/passwd
rootkit:x:1006::/bin/bash
user4:x:1007::/bin/chroot
# wc -l /etc/rc.d/init.d/functions
712 /etc/rc.d/init.d/functions
# wc -l /etc/rc.d/init.d/functions | cut -d' ' -f1
712

3，按文本的某一列排序：sort。

把文本用指定的分隔符切分成列，然后用特定的列排序行。类似微软的excel的按列排序功能。

• 语法：sort [option]... [file]...
• 指定分隔符：-t
• 指定用于排序的列的号码：-k
• 基于数值大小而非字符进行排序：-n
• 逆序排序：-r
• 忽略字符大小写：-f
• 连续，并重复的行只保留一份：-u

用：分隔，按第3列的数字大小比较，降序排序。

# sort -t: -k3 -nr /etc/passwd

用：分隔，用第7列基于字母比较，升序排序，并去掉重复的行。

# sort -t: -k7 -u /etc/passwd

4，删除重复的行：uniq

使用的前提：必须先sort

• 语法：uniq [option]... [input [output]]
• 显示重复的次数：-c
• 仅显示未曾重复过的行：-u
• 仅显示重复过的行：-d

检查shell的使用情况。

# cut -d: -f7 /etc/passwd | sort |uniq -c
      7 /bin/bash
      1 /bin/chroot
      1 /bin/csh
      1 /bin/false
      1 /bin/sync
      1 /sbin/halt
     40 /sbin/nologin
      1 /sbin/shutdown
# cut -d: -f7 /etc/passwd | sort |uniq -u
/bin/chroot
/bin/csh
/bin/false
/bin/sync
/sbin/halt
/sbin/shutdown
# cut -d: -f7 /etc/passwd | sort |uniq -d
/bin/bash
/sbin/nologin

5，逐行比较文件，可以比较多个文件，可以按目录比较

• 语法：diff [option]... files
• 用重定向生成一个差分的文件。

# diff t1 t2
# diff t1 t2 > patch1

6，根据diff产生的差分文件，给源文件打补丁：patch

• 修改旧的文件，让旧的文件升级(打补丁)。-i后面的文件是用diff输出重定向生成的文件。

# patch -i patch1 t1

• 补丁打错了，恢复到旧的文件：-r

# patch -r -i patch1 t1

练习：取出某个网卡的ip地址。

# ifconfig enp0s3
enp0s3: flags=4163<up,broadcast,running,multicast>  mtu 1500
        inet 10.247.236.19  netmask 255.255.254.0  broadcast 10.247.237.255
        inet6 fe80::b497:5ec:1efb:72b5  prefixlen 64  scopeid 0x20<link>
        ether 08:00:27:10:c2:53  txqueuelen 1000  (ethernet)
        rx packets 32057  bytes 5882570 (5.6 mib)
        rx errors 0  dropped 0  overruns 0  frame 0
        tx packets 5324  bytes 1032770 (1008.5 kib)
        tx errors 0  dropped 0 overruns 0  carrier 0  collisions 0
# ifconfig enp0s3 | grep "\<inet\>" | cut -d' '  -f10
10.247.236.19

c/c++ 学习互助qq群：877684253

本人微信：xiaoshitou5854