提到Linux下的文本處理工具，`grep`無疑是一個耳熟能詳的名字，它以強大的正則表達式搜索功能著稱，能夠迅速從海量數據中篩選出符合特定模式的行
然而，Linux的魅力遠不止于此，除了`grep`，還有一系列功能各異、互為補充的文本處理工具，它們共同構建了一個強大的文本處理生態系統
本文將深入探討除`grep`之外的幾個關鍵工具，展示它們在文本處理領域的獨特價值和無限可能
1.awk：文本分析的瑞士軍刀 如果說`grep`是文本搜索的專家，那么`awk`則是文本分析和處理的多面手
`awk`以其強大的字段處理能力、內置變量和函數庫，以及對復雜數據結構的支持，成為了數據科學家和系統管理員不可或缺的工具
- 字段操作：awk默認以空格或制表符為分隔符，將每行文本分割成多個字段，用戶可以通過`$1, $2`, ...等方式訪問這些字段，進行提取、計算或重組
- 條件語句與循環：awk支持if-else條件判斷和for、while循環，允許用戶根據特定條件執行不同的操作，或遍歷數組和記錄
- 內置函數：awk提供了豐富的內置函數，如數學運算（sin, cos）、字符串處理（length, tolower）、日期時間（systime）等，極大地擴展了其應用范圍
- BEGIN與END塊：在處理文件之前或之后執行特定代碼，這對于初始化變量或輸出總結信息非常有用
例如，使用`awk`統計一個文本文件中每個單詞出現的次數： awk {for(i=1;i<=NF;i++)count【$i】++}END {for(word incount) print word, count【word】} filename 2.sed：流編輯器，文本替換的高手 `sed`（Stream EDitor）是一種非交互式文本編輯器，擅長對文本進行查找、替換、刪除、插入等操作，尤其適用于批量處理文件
與`grep`不同，`sed`直接修改文件內容或輸出到標準輸出，而不僅僅是搜索匹配的行
- 基本替換：sed s/old/new/g是最常見的用法，將每行中的第一個`old`替換為`new`，加上`g`標志表示全局替換
- 行操作：使用d刪除行，p打印行，i和`a`分別在當前行之前和之后插入新行
- 地址范圍：sed支持通過行號或模式匹配指定操作范圍，如`sed 2,4s/foo/bar/`表示僅在第2到第4行進行替換
- 腳本文件：將多條sed命令寫入腳本文件，通過`-f`選項執行，實現復雜的文本處理流程
例如，使用`sed`刪除所有包含特定單詞的行： sed /pattern/d filename 3.cut：字段提取的利器 `cut`是一個簡單而高效的工具，用于按列（字段）提取文本數據
它通常與`delimiter`（分隔符）參數一起使用，如逗號、制表符或自定義字符，來指定字段的邊界
- 字段選擇：通過-d指定分隔符，-f選擇字段，如`cut -d: -f1,3 /etc/passwd`提取用戶名和用戶ID
- 字符范圍：除了字段，cut還支持按字符位置提取，如`cut -c1-5`提取每行的前5個字符
- 補集：使用--complement選項選擇未明確指定的字段
例如，提取CSV文件中第二列的所有值： cut -d, -f2 data.csv 4.sort：排序的藝術 `sort`是一個用于對文本行進行排序的工具，支持多種排序規則，包括數值排序、字典序排序、逆序排序等
- 基本排序：默認情況下，sort按字典序對文件進行排序
- 數值排序：使用-n選項進行數值排序，適用于包含數字的字段
逆序排序：-r選項可以將排序結果反轉
- 鍵排序：通過-k選項指定排序的鍵字段，以及排序的起始和結束位置
- 穩定排序：-s選項保證具有相同鍵值的行保持原有順序，這在某些應用場景中非常重要
例如，按第二列數值從小到大排序： sort -k2,2n data.txt 5.uniq：去重與計數 `uniq`通常與`sort`結合使用，用于報告或省略文件中的重復行
它基于相鄰行的比較，因此在使用前通常需要先對文件進行排序
- 去重：默認情況下，uniq刪除相鄰的重復行
- 計數：-c選項會在每行前顯示該行出現的次數
- 忽略空白：-w選項指定比較的最大字符數，有助于處理部分匹配的情況
