linux学习：文件处理相关命令用法整理(正则表达式)

指令:ls、cat、du、rename、dirname、basename、sort、diff、seq、head、tail、tree、chmod、cut、paster、正则

一：统计文件大小，行数，字符数相关命令

统计文件行数、单词数和字符数
wc file    #统计文件行数，单词数，字符数
wc -l file      #统计文件行数
cat file | wc -l     #将stdin作为输入
wc -w file     #统计文件单词数
cat file | wc -w
wc -c file      #统计文件字符数
cat file | wc -c
wc file -L    #打印最长行的长度

ls -l | grep "^-" | wc -l        #统计当前文件夹下的文件个数

ls -lR | grep "^-" | wc -l      #递归统计当前文件夹下的文件个数（包含子目录里的）

ls -l  | grep "^d" | wc -l      #统计当前文件夹下目录的个数

ls -lR | grep "^d" | wc -l     #递归统计当前文件夹下目录的个数（包含子目录里的）

迭代文件中的行，单词，字符
1、用子shell迭代行
cat test.txt | ( while read line; do echo $line; done )
2、迭代行再迭代每一行中的每个单词
while read line;
do
for word in $line
do
if [[ $word == 'test' ]];
then
echo $word;
fi
done
done < test.txt
3、迭代一个单词中的每一个字符，$(#word)返回变量word的长度，使用特殊标记法 ${string:i:num} string为要迭代的字符串；i为每次迭代的第i个字符；num为从i开始往后取num个字符。
for((i=0;i<${#word};i++))
do
echo ${word:i:1} ;
done

文件大小，操作
du file.txt #查看file.txt占用的磁盘空间,默认以字节作为单位
du file1 file2 file3 ...    #查看多个文件的大小
du -a /data/test   #查看/data/test目录下所有文件的大小
du -h file.txt   #以KB,MB,GB显示文件占用的磁盘数更容易阅读
du -h /data/test   #以KB,MB,GB递归显示目录占用的磁盘数更容易阅读
du -s file.txt   #参数-s表示只输出合计数据
du -c file1 file2 ...      #输出所有文件占用的磁盘数量，并在最后显示总数
du -b file #打印以字节为单位的文件大小
du -k file      #打印以KB为单位的文件大小
du -m file     #打印以MB为单位的文件大小
du -B BLOCK_SIZE file        #打印以指定块为单位的文件大小，如：du -B 4 test.sh
du --exclude "*.txt" /data/test          #打印/data/test目录中处理.txt文件外的所有文件的大小
du --exclude-from list.txt /data/test  #打印/data/test目录总不在list.txt中列出的文件中的文件的大小
du -ak /data/test | sort -nrk 1 | head -n 5   #打印/data/test目录中最大的5个文件和目录
find . -type f -exec du -k {} \; | sort -nrk 1 | head   #打印当前目录中最大的10个文件

#判断文件是否存在
if [[ -s $file ]]; then
echo "not empty"
fi

#判断文件大小
stat -c %s $file
stat --printf='%s\n' $file
wc -c $file

rename '*.bak' '' *.bak    #去掉所有bak后缀

dirname ‘/home/lalor/a.txt'     #获取路径名 ：/home/lalor
basename ‘/home/lalor/a.txt'    #获取文件名 ：a.txt

#把所有空格改成下划线
find path -type f -exec rename 's/ /_/g' {} \;

#删除前3行
$cat a.txt | sed 1,3d

二：文件排序，对比，打印与权限相关命令

排序和去重：sort 与 uniq  
sort test.txt test2.txt > sorted.txt     #对一个或多个文件以行为单位按照ASCII码的顺序进行排序，再把排序结果从定向到sorted.txt
sort test.txt test2.txt -o sorted.txt    #同上
cat sorted.txt | uniq > sort_uniq.txt  #对已排序的文件找出不重复的行并重定向到sort_uniq.txt文件
sort test.txt | uniq   #排序并去重(重复的行中会保留一行)
sort -u test.txt   #同上
sort -n test.txt   #参数-n指定按数字进行排序
sort -r test.txt    #参数-r指定按逆序进行排序
sort -M test.txt   #参数-M指定按月份进行排序
sort -m sorted1.txt sorted2.txt      #合并两个排过序的文件，并且不需要对合并后的文件再进行排序
sort -k 2 test.txt   #参数 -k 指定根据第二个键(列)进行排序
sort -nk 2,3 test.txt   #？
sort -nrk 1 test.txt            #将test.txt文件按照第一列的的数字进行逆向排序
sort -z test.txt | xargs -0   #终止符\0使得xargs命令的使用更加安全
sort -bd test.txt  #参数-b用户忽略文件中的前导空白字符，参数-d用户指明以字典序进行排序
uniq -u test.txt    #只显示唯一的行，(重复的行全部去掉,一行也不保留)
sort test.txt | uniq -u        #同上
sort test.txt | uniq -c #排序后统计各行在test.txt文件中出现的次数
sort test.txt | uniq -d #排序后找出test.txt文件中重复的行
sort test.txt | uniq -s 2 -w 3   #使用醒目的字符作为对比的列，通过参数 -s 2 忽略了前2个字符,使用参数 -w 3 指定用于比较的最大字符数为3
echo "ahebhaaa" | sed 's/[^\n]/&\n/g' | sed '/^$/d' | sort | uniq -c | tr -d '\n' #管道 sed 's/[^\n]/&\n/g' 为每个字符后面追加一个换行符；管道 sed '/^$/d' 删除最后多出的那个换行符；管道 sort 对每一行进行排序(前面这样做是要拆分成行，因为sort只能进行行排序)；管道uniq -c 打印每一行的重复次数； 管道 tr -d '\n' 将输入中的空格和换行符删除。结果:4a1b1e2h

----------------------------------------
#!/bin/bash
#测试一个文件是否已经排序
sort -C file ;
if [ $? -eq 0 ]; then
echo Sorted;
else
echo Unsorted;
fi
#要检查是否按数字进行排序 则使用sort -nC
-----------------------------------------

打印文件行：cat
echo 'Text through stdin' | cat - file.txt   #将输入文件的内容与标准输入拼接在一起
cat -s filename   #压缩filename文件中连续的多个空白行成单个
cat filename | tr -s '\n'    #输出移除空白行后的filename内容，tr将连续的多个'\n'字符压缩成单个'\n'
逆序打印行：tac
tac file   #逆序打印文件
seq 5 | tac   #输出：54321

file test.txt   #确定文件的类型、

文件类型统计信息
---------------------------------------
#!/bin/bash
#filename:test.sh
#执行:./test.sh /data/test
if [ $# -ne 1 ];
then
echo $0 basepath;
echo
fi
path=$1
declare -A statarray;
while read line;
do
ftype=`file -b "$line"`
let statarray["$ftype"]++;
done< <(find $path -type f -print)
echo ================ File types and counts ====================
for ftype in "${!statarray[@]}";
do
echo $ftype : ${statarray["$ftype"]}
done
------------------------------------------

对比文件差异与修补
diff test1.txt test2.txt #test2.txt相对于test1.txt文件多了哪些行少了哪些行。
diff -u test1.txt test2.txt   #参数-u用于生成一体化输出，可读性更好一点。以+号起始的表示新加入的行，以-号起始的表示删除的行。
diff -u test1.txt test2.txt > test.patch  #（1）将输出重定向到test.patch文件
patch -p1 test1.txt < test.patch    #（2）将修改应用于test1.txt文件，此时test1.txt和test2.txt文件的内容一模一样。
patch -p1 test1.txt < test.patch    #撤销修改，也可加个-R参数跳过询问

打印文件
head file     #打印文件前10行
cat file | head         #同上
head -n 5 file    #打印文件前5行
head -n -6 file   #打印除了最后6行之外的所有行
seq 11 | head -n -5 #打印除了最后数字7到11这5行之外的所有行，即数字1到6
seq 100 | head -n 5 #打印数字1到5这5行。而不打印数字6到100这95行
tail file #打印文件最后10行
cat file | tail #同上
tail -f file  #打印文件最后10行，并随着数据的增加时时保持更新
tail -n 5 file      #打印最后5行
tail -n +(10+1) #打印出了前10行之外的所有行
seq 100 | tail -n +6 #打印除了前5行之外的所有行即第6到第100行。6=N+1，所以N=5

列出文件
ls -d */   #只列出当前目录下的所有目录
ls -F | grep "/$"   #同上
ls -l | grep "^d"   #列出当前目录下所有目录的详细信息

打印目录
tree path   #打印path的目录树
tree path -P "*.php"    #打印path目录树，只显示目录树中的php文件
tree path -I "*.php"    #打印path目录树，只显示目录树中的除PHP文件外的文件
tree -h path   #打印出文件和目录大小
tree path -H http://localhost -o out.html      #生成一个包含目录树输出的HTML文件

文件与目录权限：
chmod u=rwx g=rw o=x filename #设文件权限，用户权限为rwx，用户组权限为rw，其他实体权限为x(u指user，即文件的拥有者；g指group，即文件拥有者所属的用户组；o指other，其他)
chmod o+w filename   #给其他用户增加文件的写权限
chmod g-r filename      #删除用户组对文件的读权限
chmod a+x filename    #给所有用户增加文件的执行权限(a指all，表示所有用户)
chmod a-w filename    #删除所有用户对文件的写权限
chmod 755 filename    #设置文件的权限为755(r--=4, -w-=2, --x=1；rw-=6，rwx=7，-wx=3，r-x=5),755分别对应user，group，other用户的权限。
chmod a+t dir_name   #设置粘滞位应用于dir_name目录。(粘滞位是一种应用于目录的权限类型，使得只有目录的所有者才能删除目录中的文件，即使是用户组和其他用户有足够的权限也不能执行删除操作)
chmod 755 . -R                  #递归设置当前目录及子目录的权限为755
chmod 755 "($pwd)" -R #同上
chown user:group filename  #设置文件属于用户user，属于用户组group
chown user.group filename  #同上
chown root:root filename     #设置文件属于root用户，属于root用户组
chmod user:group filename -R #以递归方式设置所有权
chattr +i file     #设置文件为不可修改

sudo adduser username   #增加用户
sudo deluser username      #删除用户
passwd      #修改当前用户的密码
sudo passwd username     #修改用户密码：
sudo chfn userid #修改用户资料
sudo usermod -L username     #禁用某个帐户
sudo passwd -l username #禁用某个帐户
sudo usermod -U username  #启用某个帐户
sudo passwd -u username #启用某个帐户
sudo usermod -G admin -a username #增加用户到admin组

三：文件切分，合并与重命名相关命令

分割文件：split && csplit
split -b 10k test.txt   #将test.txt文件分割为多个文件，每个文件大小为10k，分别以xaa、xab、xac...命名
split -b 10k test.txt -d -a 3   #将test.txt文件分割为多个文件，每个文件大小为10k。参数-d表示以数字为后缀，-a 3 表示后缀长度为3，比如x009，x019，x029，x039...
split -l 100 test.txt #参数-l 100 是指分割成多个文件每个文件包含100行
split -b 10k test.txt -d -a 3 xst #功能与前面相同，但是分割后的文件命名以xst为前缀：xst009、xst019、xst029、xst039...

除了k(KB),其他单位还有M(MB),G(GB),c(byte),w(word)等。
------------------------------------------------------
假设有个文件test.txt:
SERVER-1
aaaaaaaaaaaaaaaaa
bbbbbbbbbbbbbbbbb
ccccccccccccccccc
SERVER-2
ddddddddddddddddd
eeeeeeeeeeeeeeeee
fffffffffffffffff
SERVER-3
gggggggggggggggggg
hhhhhhhhhhhhhhhhhh
iiiiiiiiiiiiiiiiii

csplit test.txt /SERVER/ -n 2 -s {*} -f server -b "%02d.log"
rm server00.log
#/SERVER/ 表示要匹配的文本样式，包括从当前行(包含)到下一行包含“SERVER”的行(不包含)。
#{*}表示匹配重复分割知道文件结尾。可用{整数}的形式来指定执行分割的次数
# -s 使命令进入静默模式，不打印其他信息
# -n 指定分割后的文件名后缀的数字个数，例如01,02,03等。
# -f 指定分割后的文件名前缀，-f server 指定前缀为server
# -b 指定后缀格式。-b "%02d.log"
因为分割后的第一个文件没有任何内容，故删除。
----------------------------------------------------

文件名切分
------------------------------------
#!/bin/bash
file="test.png"      #对于文件名类似file="test.txt.png.log" 这种类型可使用贪婪模式 %% 或者 ##
name=$(file%.*)   #文件名切分 %操作符表示非贪婪的删除位于%右侧的通配符所匹配的字符串 贪婪模式：name=${file%%.*}
ext=$(file#*.)       #文件扩展名 #操作符表示非贪婪的删除位于#左侧的通配符所匹配的字符串 贪婪模式：ext=$(file##*.)
echo $name,$ext   #输出结果：test,png
------------------------------------

按列切分文件

cut命令：

cut  [-bn] [file] 或 cut [-c] [file]  或  cut [-df] [file]

使用说明
cut 命令从文件的每一行剪切字节、字符和字段并将这些字节、字符和字段写至标准输出。
如果不指定 File 参数，cut 命令将读取标准输入。必须指定 -b、-c 或 -f 标志之一。

主要参数
-b ：以字节为单位进行分割。这些字节位置将忽略多字节字符边界，除非也指定了 -n 标志。
-c ：以字符为单位进行分割。
-d ：自定义分隔符，默认为制表符。
-f  ：与-d一起使用，指定显示哪个区域。
-n ：取消分割多字节字符。仅和 -b 标志一起使用。如果字符的最后一个字节落在由 -b 标志的 List 参数指示的<br />范围之内，该字符将被写出；否则，该字符将被排除。

cut -f 2,3 filename #显示文件第2列和第3列
cut -f 2,3,7 filename   #显示文件第2列和第3列和第7列

grep "Invalid user" /var/log/auth.log | cut -d ' ' -f 10  #获取/var/log/auth.log 中包含“Invalid user”的行,并按照空格拆分行(-d ' ' 参数)获取第10个字符串(-f 10 参数)

按列合并文件
paste file1 file2 file3 ...
paste test1.txt test2.txt #将test1.txt的每一列与test2.txt的每一列依次拼接起来。
paste test1.txt test2.txt -d ","     #参数-d明确指定定界符为逗号

批量重命名文件和移动
-------------------------------------
#!/bin/bash
#批量重命名图片文件
count=1;
for img in *.jpg *.png #依次取所有的jpg和png文件(.jpg可以改成 .[Jj][Pp][Gg] 从而匹配不区分大小写)
do
new=image-$count.${img##*.}
mv "$img" "$new" 2> /dev/null # 2> 将mv命令的标准错误(stderr)重定向到/dev/null.防止错误信息打印到终端
if [$? -eq 0]; # $?用于检查退出状态，即最近执行的命令没有错误,$?的值为0.否则$?为非0
then
echo "Renaming $img to $new"
let count++
fi
done
--------------------------------------
rename *.JPG *.jpg #建*.JPG 更名为*.jpg
rename 's/ /_/ge' * #将文件名中的空格替换成字符"_";
rename 'y/A-Z/a-z/' *     #转换文件名为小写
rename 'y/a-z/A-Z/' *     #转换文件名为大写
find . -type f -exec rename 's/ /_/ge' {} \; #将所有文件名中的空格替换为字符"_";

for i in `ls`;do mv $i abc_$i;done  #当前目录下所有文件都加上“abc_”前缀

for i in `ls`;do mv $i $(sed -r 's/abc_(.*)/\1/' <<< $i);done  #当前目录下所有文件都去掉“abc_"前缀

四、shell正则表达式

匹配中文字符的正则表达式：[u4e00-u9fa5]
匹配双字节字符(包括汉字在内)：[^x00-xff]
匹配空白行的正则表达式：^ *$
匹配HTML标记的正则表达式：<(S*?)[^>]*>.*?</1>|<.*? />
匹配首尾空白字符的正则表达式：^s*|s*$
匹配Email地址的正则表达式：w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*
匹配网址URL的正则表达式：[a-zA-z]+://[^s]*
匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
匹配国内电话号码：d{3}-d{8}|d{4}-d{7}
匹配腾讯QQ号：[1-9][0-9]{4,}
匹配中国邮政编码：[1-9]d{5}(?!d)
匹配身份证：d{15}|d{18}
匹配ip地址：d+.d+.d+.d+

匹配特定数字：
^[1-9]d*$    #匹配正整数
^-[1-9]d*$       #匹配负整数
^-?[1-9]d*$  #匹配整数
^[1-9]d*|0$     #匹配非负整数（正整数+ 0）
^-[1-9]d*|0$#匹配非正整数（负整数+ 0）
^[1-9]d*.d*|0.d*[1-9]d*$#匹配正浮点数
^-([1-9]d*.d*|0.d*[1-9]d*)$ #匹配负浮点数
^-?([1-9]d*.d*|0.d*[1-9]d*|0?.0+|0)$#匹配浮点数
^[1-9]d*.d*|0.d*[1-9]d*|0?.0+|0$ #匹配非负浮点数（正浮点数+ 0）
^(-([1-9]d*.d*|0.d*[1-9]d*))|0?.0+|0$#匹配非正浮点数（负浮点数+ 0）

匹配特定字符串：
^[A-Za-z]+$#匹配由26个英文字母组成的字符串
^[A-Z]+$     #匹配由26个英文字母的大写组成的字符串
^[a-z]+$     #匹配由26个英文字母的小写组成的字符串
^[A-Za-z0-9]+$#匹配由数字和26个英文字母组成的字符串
^w+$        #匹配由数字、26个英文字母或者下划线组成的字符串