Linux Shell处理文本最常用的工具大盘点

查找txt和pdf文件
找txt和pdf文件

find . \( -name "*.txt" -o -name "*.pdf" \) -print

正则方式查找.txt和pdf

find . -iregex  ".*\(\.txt|\.pdf\)___FCKpd___1quot;    #-iregex：忽略大小写的正则

否定参数,查找所有非txt文本

find . ! -name "*.txt" -print

指定搜索深度
打印出当前目录的文件（深度为1）

find . -maxdepth 1 -type f

定制搜索
按类型搜索：
-type f文件/l符号链接

find . -type d -print     //只列出所有目录

按时间搜索：
-atime 访问时间 （单位是天，分钟单位则是-amin，以下类似）
-mtime 修改时间 （内容被修改）
-ctime 变化时间 （元数据或权限变化）

最近7天被访问过的所有文件：

find . -atime 7 -type f -print

按大小搜索：
w字 k M G，寻找大于2k的文件

find . -type f -size +2k

按权限查找：

find . -type f -perm 644 -print      //找具有可执行权限的所有文件

按用户查找：

find . -type f -user weber -print    // 找用户weber所拥有的文件

找到后的后续动作
删除当前目录下所有的swp文件：

find . -type f -name "*.swp" -delete

执行动作（强大的exec）

find . -type f -user root -exec chown weber {} \;   //将当前目录下的所有权变更为weber

注：{}是一个特殊的字符串，对于每一个匹配的文件，{}会被替换成相应的文件名；
eg：将找到的文件全都copy到另一个目录：

find . -type f -mtime +10 -name "*.txt" -exec cp {} OLD \;

结合多个命令
tips: 如果需要后续执行多个命令，可以将多个命令写成一个脚本,然后 -exec 调用时执行脚本即可；

-exec ./commands.sh {} \;

-print的定界符,默认使用'\n'作为文件的定界符；
-print在每一个输出后会添加一个回车换行符，而-print0则不会，使用'\0'作为文件的定界符，这样就可以搜索包含空格的文件；
当前目录下文件从大到小排序（包括隐藏文件），文件名不为"."：

find . -maxdepth 1 ! -name "." -print0 | xargs -0 du -b | sort -nr | head -10 | nl

grep match_patten file // 默认访问匹配行
常用参数
-o 只输出匹配的文本行 VS -v 只输出没有匹配的文本行
-c 统计文件中包含文本的次数

grep -c "text" filename

-n 打印匹配的行号
-i 搜索时忽略大小写
-l 只打印文件名
在多级目录中对文本递归搜索(程序员搜代码的最爱）：

grep "class" . -R -n

匹配多个模式

grep -e "class" -e "vitural" file

grep输出以\0作为结尾符的文件名：（-z）

grep "test" file* -lZ| xargs -0 rm

xargs 能够将输入数据转化为特定命令的命令行参数；这样，可以配合很多命令来组合使用。比如grep，比如find；
将多行输出转化为单行输出

cat file.txt| xargs

\n 是多行文本间的定界符
将单行转化为多行输出

cat single.txt | xargs -n 3     -n：指定每行显示的字段数

xargs参数说明
-d 定义定界符 （默认为空格 多行的定界符为 \n）
-n 指定输出为多行
-I {} 指定替换字符串，这个字符串在xargs扩展时会被替换掉,用于待执行的命令需要多个参数时
eg：

cat file.txt | xargs -I {} ./command.sh -p {} -1

-0：指定\0为输入定界符
eg：统计程序行数

find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -l

字段说明：
-n 按数字进行排序 VS -d 按字典序进行排序
-r 逆序排序
-k N 指定按第N列排序
eg：

sort -nrk 1 data.txtsort -bd data  //忽略像空格之类的前导空白字符

uniq 消除重复行
消除重复行

sort unsort.txt | uniq

统计各行在文件中出现的次数

sort unsort.txt | uniq -c

找出重复行

sort unsort.txt | uniq -d

可指定每行中需要比较的重复内容：-s开始位置 -w比较字符数

通用用法

echo 12345 | tr '0-9' '9876543210'  //加解密转换，替换对应字符  
cat text| tr '\t' ' '               //制表符转空格

tr删除字符

cat file | tr -d '0-9' // 删除所有数字

-c求补集

cat file | tr -c '0-9' //获取文件中所有数字  cat file | tr -d -c '0-9 \n'  //删除非数字数据

tr压缩字符
tr -s 压缩文本中出现的重复字符；最常用于压缩多余的空格

cat file | tr -s ' '