文本处理命令（sort，uniq，tr，cut）及正则表达式
一、sort
1、sort命令的概述
以行为单位队文件内容进行排序，也可以根据不同的数据类型来排序
2、sort命令的语法格式
sort [选项] 参数
cat file | sort 选项
3、sort命令的常用选项
| 选项 | 解释 |
|---|---|
| -f | 忽略大小写 |
| -b | 忽略每行前面的空格 |
| -n | 按照数字进行排序 |
| -r | 反向排序 |
| -u | 等同于uniq，表示相同的数据仅显示一行（去重复值） |
| -t | 指定分隔符，默认使用tab键分割 |
| -k | 指定排序字段，经常一同出现 sort -tk 参数 |
| -o<输出文件> | 将排序后的结果转存到指定文件 |
4、sort命令的示例
-f
-n -r
-u
-t -k
-o
二、uniq
1、uniq命令的概述
用于报告或者忽略文件中连续的重复行，常与sort命令结合使用
2、uniq命令的语法格式
uniq [选项] 参数
cat file | uniq 选项
3、uniq命令的常用选项
| 选项 | 解释 |
|---|---|
| -c | 进行计数，并删除文件中重复出现的行 |
| -d | 仅显示连续的重复行 |
| -u | 仅显示出现一次的行 |
4、uniq命令的示例
-c
-d
-u
三、cut
1、cut命令的概述
显示行中的指定部分，删除文件中指定字段
2、cut命令的语法格式
cut [ 选项 ] 参数
cat file | cut 选项
3、cut命令的常用选项
| 选项 | 解释 |
|---|---|
| -f | 通过指定某一个字段进行提取 |
| -d | “tab”是默认分隔符，使用此选项可以更改为其他分隔符 |
| -conplement | 次选项用于排除所指定字段 |
| -output-delimiter | 更改输出内容的分隔符 |
| -b | 只选中指定的这些字节 |
| -c | 只选中指定的这些字符 |
4、cut命令的示例
四、tr
1、tr命令的概述
常用来对来自标准输入的字符进行替换、压缩和删除
2、tr命令的语法格式
tr [ 选项 ] 参数
3、tr命令的常用选项
| 选项 | 解释 |
|---|---|
| -c | 保留字符集1的字符，其他的字符(包括换行符\n)用字符集2替换 |
| -d | 删除所有属于字符集1的字符 |
| -s | 将重复出现的字符串压缩为-一个字符串;用字符集2替换字符集1 |
| -t | 字符集2替换字符集1，不加选项同结果 |
4、tr命令的参数
字符集1：
指定要转换或删除的原字符集
当执行转换操作时，必须使用参数“字符集2”指定转换的目标字符集
但执行删除操作时，不需要参数“字符集2”
字符集2：
指定要转换成的目标字符集
5、tr命令的示例
大小写转换
-c
-d
-s
注：重复的空格也能删除
6、数组排列
五、正则表达式
1、概述
1.通常用于判断语句中，用来检查某一 字符串是否满足某一格式
2.正则表达式是由普通字符与元字符组成
3.普通字符包括大小写字母、数字、标点符号及一些其他符号
4.元字符是指在正则表达式中具有特殊意义的专用字符，可以用来规定其前
导字符(即位于元字符前面的字符)在目标对象中的出现模式
2、正则表达式的组成
1.正则表达式是由普通字符与元字符组成
2.普通字符包括大小写字母、数字、标点符号及一些其他符号
3.元字符是指在正则表达式中具有特殊意义的专用字符，可以用来规定其前
导字符(即位于元字符前面的字符)在目标对象中的出现模式
3、基础正则表达式常见元字符
支持工具：grep、egrep、sed、awk
| 常见元字符 | 解释 |
|---|---|
| \ | 转义字符，用于取消特殊符号的含义，例: !、\n、$等 |
| ^ | 匹配字符串开始的位置，例: a、the、#、[a-z] |
| $ | 匹配字符串结束的位置，例: wordKaTeX parse error: Expected group after ‘^’ at position 2: 、^̲匹配空行 |
| . | 匹配除\n之外的任意的一一个字符，例：go.d、g…d |
| * | 匹配前面子表达式0次或者多次，例: goo*d、 go.*d |
| [list] | 匹配list列表中的一个字符，例：go [ola]d, [abc]、[a-z]、[a-z0-9]、[0-9]匹配任意一位数字 |
| [^list] | 匹配任意非list列表中的-一个字符，例: [^0-9]、 [^A-20-9]、 [^a-z]，匹配任意一位非小写字母 |
| {n} | 例：go{2}d, '[0-9]{2}'匹配两位数字 '匹配两位数字 |
| {n,} | 匹配前面的子表达式不少于n次，例： go{2,)d、 '[0-9]{2,},匹配两位及两位以上数字 |
| {n,m} | 匹配前面的子表达式n到m次，例： go{2,3}d、 '[0-9]{2,3}匹配两位到三位数字 |
| 注意 | egrep， awk使用{n}、{n,}、{n,m}匹配时“{}"前不用加“\” |
4、扩展正则表达式元字符
支持工具：egrep、awk
| 元字符 | 解释 |
|---|---|
| + | 匹配前面子表达式1次以上，例：go+d，将匹配至少一个o,如god, good, goood等 |
| ? | 匹配前面子表达式0次或者1次，例: go?d,将匹配gd或god |
| () | 将括号中的字符串作为一个整体,例：g(oo) +d,将匹配。整体1次以上,如good,gooood等 |
| l | 以或的方式匹配字条串，例：g(oo la)d，将匹配good或者glad |
5、示例
表示o出现0次或者无数次
表示任意字符
表示除abc之外的字符
o出现n次
表示o出现0次以上
表示出现1次或0次
练习
匹配电话号码
匹配邮箱
