Shell指令碼學習指南之文本處理工具

4.1 排序文本

4.1.1 行的排序
未提供命令列選項時，整個記錄會根據當前locale所定義的次序排序。
在傳統的C locale中，也就是ASCII順序。

4.1.2 以欄位排序
-k選項的後面接著的是一個欄位編號，或者是一對數字。
每個編號後面都可以接一個點號的字元位置，或修飾符字母。

如果僅指定一個欄位編號，則排序索引值會自該欄位的起始處開始，
一直繼續到記錄的結尾（而非欄位的結尾）。

如果給的是一對用逗號隔開的欄位數字，則排序索引值將由第一個欄位值的起始處開始，
結束於第二個欄位值的結尾。使用點號表示字元位置。
-k2.4, 5.6指的是從第二個欄位的第四個字元開始比較，一直比到第五個欄位的第六個字元。
$ sort -t: -k1,1 /etc/passwd 以使用者名稱稱排序
bin:x:1:1:bin:/bin:/sbin/nologin
chico:x:12501:1000:Chico Marx:/home/chico:/bin/bash
harpo:x:12502:1000:Harpo Marx:/home/harpo:/bin/ksh
...

$ sort -t: -k3,3nr /etc/passwd 反省UID排序
或-k3nr,3或-k3,3 -n -r都可以。

4.1.3 文字區塊的排序
有時需要對多行記錄組合而成的資料排序。以地址清單為例：
$ cat my-friends
# SORTKEY: Schlo, Hans Jurgen
Hans Jurgen Schlo
Unter den Linden 78
D-10117 Berlin
Germany

# SORTKEY: Jones, Adrian
...

技巧是：利用awk識別段落間隔，在每個地址內暫時使用一個未用過的字元取代分行。
sort看到的行就會變成這樣：
# SORTKEY: Schlo, Hans Jurgen^ZHans Jurgen Schlo^ZUnter den Linden 78^Z...
cat my-friends | 讀取地址檔案
awk -v RS=" " '{ gsub("\n", "^Z"); print }' | 轉換地址為單行
sort -f | 排序地址資料，忽略大小寫
awk -v ORS="\n\n" '{ gsub("^Z", "\n"); print }' | 恢複行結構
grep -v '# SORTKEY' 刪除標記行
1. 函數gsub()為全域性替換(global substitution)，類似sed下的s/x/y/g結構。
2. RS變數時輸入資料的記錄分隔器（Record Separator）。
通常輸入資料以換行隔開，使每行成為單個記錄。
RS=" "是一個特殊用法，指的是記錄以空行隔開。
3. ORS是輸出記錄分隔器。
註：'{ action }'是對每個欄位的操作，而RS,ORS都是對記錄的設定。

4.1.5 sort的穩定性
sort並不穩定。

4.2 重複資料刪除
sort -u是依據匹配的索引值進行消除操作，而非匹配的記錄。
uniq有3個好用選項：
-c在每個輸出行之前加上該行重複的次數。
-d則用於僅顯示重複的行。
-u僅顯示未重複的行。

4.3 重新格式化段落
fwt -w 30

4.4 計算行數、字數以及字元數
wc的預設輸出是一行報告，包括行數、字數以及位元組數。
可用選項：-c（位元組數）、-l（行數）、-w（字數）。

複製代碼 代碼如下:$ echo Testing one two three | wc -c
1 4 22
$ wc /etc/passwd /etc/group

4.6 提取開頭或結尾數行
顯示檔案清單中每一個的前n條記錄：
head -n n
head -n
awk 'FNR <= n'
sed -e nq
sed nq

觀察不斷增長的系統資訊日誌，Ctrl-C停止tail。

複製代碼 代碼如下:$ tail -n 25 -f /var/log/messages