Shell之海量数据处理grep，cut，awk，sed

GREP

　　grep命令是Globally search a Regular Expression and Print的缩写，表示进行全局的正则匹配并进行打印。grep的相关扩展命令包括egrep和fgrep，其中egrep支持更多的正则匹配，fgrep只进行字符的匹配，不支持正则表达式。

　　grep [OPTIONS] [-e PATTERN | -f FILE] [FILE...]

　　OPTIONS：
            -n 匹配的行数也展示出来
            -A 3 将匹配之后的3行也展示出来
            -B 3 将匹配之前的3行业展示出来
            -o 仅输出匹配的部分
            -v 反向匹配
            -f 指定需要匹配的文件

root@dev02:/usr/local/shell# cat 1.txt 
　　123
　　345
root@dev02:/usr/local/shell# cat 2.txt 
　　abc
　　bcd
　　123
　　haha
　　hehe
　　23456
　　hello
　　abcd
root@dev02:/usr/local/shell# grep -w -A1 -B2 -n 123 2.txt
　　1-abc
　　2-bcd
　　3:123
　　4-haha
root@dev02:/usr/local/shell# grep -n -f 1.txt 2.txt
　　3:123
　　6:23456

CUT

　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、字符和字段输出，即对列进行提取。

    cut [OPTIONS] file1 file2
　　-d delimiter 指定分隔符，不加时默认为制表符
　　-f fields 依据 -d 的分隔字符将一段信息分割成为数段，用 -f 取出第几段的意思 1,3 指1列和3列；1-3 指1列到3列；1- 指1列到最后一列
　　-c characters 以字符的单位取出固定字符区间

查询所有可登录的普通用户
  root@dev02:/usr/local/shell# grep '/bin/bash' /etc/passwd | cut -d ':' -f 1 | grep -v root
  　　ubuntu
  　　postgres
  　　ftpUse

SED

　　Stream Editor. sed 是一种在线编辑器，它一次处理一行内容。处理时，把当前处理的行存储在临时缓冲区中，称为“模式空间”（pattern space），接着用sed命令处理缓冲区中的内容，处理完成后，把缓冲区的内容送往屏幕。接着处理下一行，这样不断重复，直到文件末尾。文件内容并没有 改变，除非你使用重定向存储输出。Sed主要用来自动编辑一个或多个文件；简化对文件的反复操作；编写转换程

　　sed [OPTION]... {script-only-if-no-other-script} [input-file]...
　　选项与参数：
　　　　-n ：在一般 sed 的用法中，所有来自 STDIN 的数据一般都会被列出到终端上。但如果加上 -n 参数后，则只有经过sed 特殊处理的那一行(或者动作)才会被列出来。
　　　　-e ：直接在命令列模式上进行 sed 的动作编辑；
　　　　-f ：直接将 sed 的动作写在一个文件内， -f filename 则可以运行 filename 内的 sed 动作；
　　　　-r ：sed 的动作支持的是延伸型正规表示法的语法。(默认是基础正规表示法语法)
　　　　-i ：直接修改读取的文件内容，而不是输出到终端。

　　function：
　　　　a ：新增， a 的后面可以接字串，而这些字串会在新的一行出现(目前的下一行)～
　　　　c ：取代， c 的后面可以接字串，这些字串可以取代 n1,n2 之间的行！
　　　　d ：删除， d 后面通常不接任何参数；
　　　　i ：插入， i 的后面可以接字串，而这些字串会在新的一行出现(目前的上一行)；
　　　　p ：列印，亦即将某个选择的数据印出。通常 p 会与参数 sed -n 一起运行～
　　　　s ：取代，可以直接进行取代的工作！通常这个 s 的动作可以搭配正规表示法！例如 1,20s/old/new/g /g表示全部；没有表示指替换第一个

eg：打印磁盘信息的1-最后一行
　　root@dev02:/usr/local/shell# df -h|sed -n '1,$p' 
　　　　Filesystem Size Used Avail Use% Mounted on
　　　　udev 16G 0 16G 0% /dev
　　　　tmpfs 3.2G 299M 2.9G 10% /run
　　　　/dev/vda1 97G 33G 65G 34% /
　　　　tmpfs 16G 28K 16G 1% /dev/shm
　　　　tmpfs 5.0M 0 5.0M 0% /run/lock
　　　　tmpfs 16G 0 16G 0% /sys/fs/cgroup
　　　　tmpfs 3.2G 0 3.2G 0% /run/user/1001


eg:搜索/etc/passwd,找到root对应的行，执行后面花括号中的一组命令，每个命令之间用分号分隔，这里把bash替换为blueshell，再输出
   root@dev02:/usr/local/shell# nl /etc/passwd | sed -n '/root/{s/bash/blueshell/;p}'
   　　1	root:x:0:0:root:/root:/bin/blueshell

AWK

　　awk是一个强大的文本分析工具，相对于grep的查找，sed的编辑，awk在其对数据分析并生成报告时，显得尤为强大。简单来说awk就是把文件逐行的读入，以空格为默认分隔符将每行切片，切开的部分再进行各种分析处理。

　调用方式　

         1.命令行方式

　　　　awk [-F field-separator] 'commands' input-file(s)
　　　　其中，commands 是真正awk命令，[-F域分隔符]是可选的。 input-file(s) 是待处理的文件。
　　　　在awk中，文件的每一行中，由域分隔符分开的每一项称为一个域。通常，在不指名-F域分隔符的情况下，默认的域分隔符是空格。

　     2.将所有的awk命令插入一个单独文件
　　　　awk -f awk-script-file input-file(s)
　　　　其中，-f选项加载awk-script-file中的awk脚本，input-file(s)跟上面的是一样的。

　　 3.shell脚本方式
　　　　将所有的awk命令插入一个文件，并使awk程序可执行，然后awk命令解释器作为脚本的首行，通过键入脚本名称来调用。
　　　　相当于shell脚本首行的：#!/bin/sh
　　　　可以换成：#!/bin/awk

　脚本格式

　　 awk 'BEGIN{ commands } pattern{ commands } END{ commands }' file

        一个awk脚本通常由BEGIN， 通用语句块，END语句块组成，三部分都是可选的。 脚本通常是被单引号或双引号包住。

　　BEGIN语句块：在awk开始从输入输出流中读取行之前执行，在BEGIN语句块中执行如变量初始化，打印输出表头等操作。
　　pattern语句块：pattern语句块中的通用命令是最重要的部分，它也是可选的。如果没有提供pattern语句块，则默认执行{ print }，即打印每一个读取到的行。{ }类似一个循环体，会对文件中的每一行进行 迭代，通常将变量初始化语句放在BEGIN语句块中，将打印结果等语句放在END语句块中。
　　END语句块:在awk从输入流中读取完所有的行之后即被执行，比如打印所有行的分析结果这类信息汇总都是在END语句块中完成，它也是一个可选语句块。

　　

eg：查询ftp用户
　　root@dev02:/usr/local/shell# cat 1.sh 
　　    #!/bin/awk
       cat /etc/passwd | grep ftp |awk -F ':' 'BEGIN {count=0;print "name";} {count++;print $1;} END{print "total: " count}';
　　    echo '-----------'
　　root@dev02:/usr/local/shell# sh 1.sh
　　    name
　　    ftp
　　　  ftpUser
       ftp1
       total: 3
　　   -----------

　比较运算符  

　　　数字比较：> < >= <= == !=
　　    字符匹配：some_value ~ / pattern/ (匹配) some_value !~ / pattern/ (不匹配)  在 awk 中，只有使用"//"包含的字符串，awk 命令才会査找

df -h | awk '$0~/tmp/ {print $1 "  " $5 }'   等价于  df -h | awk '/tmp/ {print $1 "-" $5 }'

　　root@dev02:~$ df -h
　　　　Filesystem Size Used Avail Use% Mounted on
　　　　udev 16G 0 16G 0% /dev
　　　　tmpfs 3.2G 299M 2.9G 10% /run
　　　　/dev/vda1 97G 33G 65G 34% /
　　　　tmpfs 16G 28K 16G 1% /dev/shm
　　　　tmpfs 5.0M 0 5.0M 0% /run/lock
　　　　tmpfs 16G 0 16G 0% /sys/fs/cgroup
　　　　tmpfs 3.2G 0 3.2G 0% /run/user/1001
　　　　tmpfs 3.2G 0 3.2G 0% /run/user/1005
　　　　tmpfs 3.2G 0 3.2G 0% /run/user/1002
　　root@dev02:~$ df -h | awk '/tmp/' | awk '$3==0 {print $1 " full"} $3!=0 {print $1 " " $3} '
　　　　tmpfs 299M
　　　　tmpfs 28K
　　　　tmpfs full
　　　　tmpfs full
　　　　tmpfs full
　　　　tmpfs full
　　　　tmpfs full 

　　使用shell变量

     1.通过命令行参数定义变量时引用

       awk -v awk变量名= shell变量名

     2.在awk中直接引用

root@dev02:/usr/local/shell# cat 2.sh
　　#!/bin/awk
　　### 读取输入的用户名信息，找到匹配的用户
　　read -p "请输入用户名：" username
　　cat /etc/passwd | awk /$username/ | awk -F :  '{ print $1 }'
root@dev02:/usr/local/shell# sh 2.sh
　　请输入用户名：ftp
　　ftp
　　ftpUser
　　ftp1