8月4号，主要学习内容如下：
一、抽取文本的工具：less,cat,head,tail,cut
二、分析文本的工具：wc,sort,diff,patch
二、grep及正则表达式
三、egrep扩展正则表达式
一、抽取文本的工具
1）文件查看命令：
- cat [OPTION]... [FILE]...
-E: 显示行结束符$
-n: 对显示出的每一行进行编号
-A：显示所有控制符
-b：非空行编号
-s：压缩连续的空行成一行
- tac
功能与cat相同，显示内容为cat的逆序
2）分页查看工具
- more：分页查看文件
more [OPTIONS...] FILE...
-d: 显示翻页及退出提示
- less：一页一页地查看文件或STDIN输出
查看时有用的命令包括：/文本 搜索 文本
n/N 跳到下一个 or 上一个匹配
less 命令是man命令使用的分页器
3）显示文本前或后行内容
- head
head [OPTION]... [FILE]...
-c #: 指定获取前#字节
-n #: 指定获取前#行
-#： 指定行数（同-n#）
- tail
tail [OPTION]... [FILE]...
-c #: 指定获取后#字节
-n #: 指定获取后#行
-#：指定行数
-f: 跟踪显示文件新追加的内容,常用日志监控
4）按列抽取文本cut和合并文件paste
- cut [OPTION]... [FILE]...
-d DELIMITER: 指明分隔符，默认tab（-d和分隔符之间可以没有空格）-f FILEDS:
#: 第#个字段
#,#[,#]：离散的多个字段，例如1,3,6
#-#：连续的多个字段, 例如1-6
混合使用：1-3,7
-c 按字符切割 --output-delimiter=STRING指定输出分隔符
cut -d: -f1 /etc/passwd
cat /etc/passwd | cut -d: -f7
cut -c2-5 /usr/share/dict/words
- paste 合并两个文件同行号的列到一行
-d 分隔符:指定分隔符，默认用TAB-s : 所有行合成一行显示
paste f1 f2
paste -s f1 f2
二、文本分析工具
1）文本数据统计
wc：计数行总数、单词总数、字符总数（和字节总数），可以对文件或STDIN中的数据运行
wc story.txt
39 237 1901 story.txt
行数 字数 字符数
-l 只计数行数
-w 只计数单词总数
-c 只计数字节总数
-m 只计数字符总数
2）文本排序
sort：把整理过的文本显示在STDOUT（默认按照字符大小排序） 不改变原始文件
sort [options] file(s)
-r 执行反方向（由上至下）整理
-n 执行按数值大小整理
-f 选项忽略（fold）字符串中的字符大小写
-u 选项（独特，unique）删除输出中的重复行
-t c 选项使用c做为字段界定符
-k X 选项按照使用c字符分隔的X列来整理 能够使用多次
3）除重
uniq：从输入中删除重复的前后相接的行
uniq [OPTION]... [FILE]...
-c: 显示每行重复出现的次数
-d: 仅显示重复过的行
-u: 仅显示不曾重复的行：连续且完全相同方为重复
常和sort 命令一起配合使用： sort userlist.txt | uniq -c
4）比较文件
diff：逐行比较两个文件之间的区别，
diff [OPTION]... [OLDFILE] [NEWFILE] 显示oldfile与newfile相比的不同和措施
diff foo.conf-broken foo.conf-works
5c5 （注明第5行有区别）
< use_widgets = no
---
> use_widgets = yes
-u 显示变化行的上下文，默认3行（适用于补丁文件）
diff /PATH/TO/OLDFILE /PATH/TO/NEWFILE > /PATH/TO/PATCH_FILE
diff还可用于比较两个不同目录，显示其中每个文件的差别
patch：复制对文件改变（向文件打补丁）
patch -i /PATH/TO/PATCH_FILE /PATH/TO/OLDFILE
patch /PATH/TO/OLDFILE < /PATH/TO/PATCH_FILE
-b 选项来自动备份改变了的文件
三、grep及正则表达式
1）Linux上文本处理三剑客
grep：文本过滤(模式：pattern)工具
grep, egrep（支持扩展正则表达式）, fgrep（不支持正则表达式搜索）
sed：stream editor，文本编辑工具
awk：Linux上的实现gawk，文本报告生成器
2）grep： Global search REgular expression and Print out the line
作用：：文本搜索工具，根据用户指定的“模式”对目标文 本逐行进行匹配检查；打印匹配到的行； 模式：由正则表达式字符及文本字符所编写的过滤条件
grep [OPTIONS] PATTERN [FILE...]
grep root /etc/passwd
grep [OPTIONS] PATTERN [FILE...] grep root /etc/passwd
命令选项：
--color=auto: 对匹配到的文本着色显示
-v: 显示不能够被pattern匹配到的行
-i: 忽略字符大小写
-n：显示匹配的行号
-c: 统计匹配的行数
-o: 仅显示匹配到的字符串
-q: 静默模式，不输出任何信息 （配合echo $? 可用于写脚本）
-A #：after, 同时显示后#行
-B #: before, 前#行
-C #：context, 前后各#行
-e：实现多个选项间的逻辑or关系
grep –e ‘cat ’ -e ‘dog’ file
-w：整行匹配整个单词
-E：使用ERE扩展的正则表达式
3）正则表达式
- REGEXP：由一类特殊字符及文本字符所编写的模式，其中有 些字符（元字符）不表示字符字面意义，而表示控制或通配的功能
- 程序支持：grep, vim, less,nginx等
- 分两类： 基本正则表达式：BRE 扩展正则表达式：ERE
- 元字符分类：字符匹配、匹配次数、位置锚定、分组
4）基本正则表达式
- 字符匹配
. ： 匹配任意单个字符
[] ： 匹配指定范围内的任意单个字符
[^] ：匹配指定范围外的任意单个字符
[:digit:]、[:lower:]、[:upper:]、[:alpha:]、[:alnum:] 、[:punct:]、[:space:]
- 匹配次数（默认工作于贪婪模式：尽可能长的匹配）
用在要指定次数的字符后面，用于指定前面的字 符要出现的次数
*：匹配前面的字符任意次，包括0次
.*：任意长度的任意字符
\?：匹配其前面的字符0或1次
\+：匹配其前面的字符至少1次
\{m\}：匹配前面的字符m次
\{m,n\}：匹配前面的字符至少m次，至多n次
\{0,n\}：匹配前面的字符至多n次
\{m,\}：匹配前面的字符至少m次
- 位置锚定：定位出现的位置
^：行首锚定，用于模式的最左侧（^root 以root开头的行）
$：行尾锚定，用于模式的最右侧（root$ 以root结尾的行）
^PATTERN$: 用于模式匹配整行（整行只有此PATTERN）
^$: 空行（空白字符也不包括）
^[[:space:]]*$ ：空白行（空行或包含空白字符的行）
单词：非特殊字符组成的连续字符（字符串）（包括数字，不包含特殊字符）
\< 或 \b：词首锚定，用于单词模式的左侧
\> 或 \b：词尾锚定；用于单词模式的右侧
\<PATTERN\>：匹配整个单词
- 分组及引用
分组：\( \)：将一个或多个字符捆绑在一起，当作一个整体进 行处理，如：\(root\)\+
注：分组括号中的模式匹配到的内容会被正则表达式引擎记录 于内部的变量中，这些变量的命名方式为: \1, \2, \3, ...\1: 从左侧起，第一个左括号以及与之匹配右括号之间 的模式所匹配到的字符
实例： \(string1\+\(string2\)*\)
\1: string1\+\(string2\)*
\2: string2
后向引用：引用前面的分组括号中的模式所匹配字符(而 非模式本身)
四、egrp及扩展的正则表达式
1）egrep
egrep = grep -E
egrep [OPTIONS] PATTERN [FILE...]
2）扩展正则表达式
- 字符匹配（同基本正则表达式）
- 次数匹配
*：匹配前面字符任意次
?: 0或1次
+：1次或多次
{m}：匹配m次
{m,n}：至少m，至多n次
｛0，n｝ ｛m，｝
- 位置锚定（同基本正则表达式）
- 分组
()
后向引用：\1, \2, .....
- 或者
a|b
C|cat: C或cat
(C|c)at:Cat或cat
3)fgrep
不支持正则表达式元字符：当无需用到元字符去编写模式时，使用fgrep更好