Shell 搜索与匹配

1、在文件中查找字符串

grep 命令可以搜索文件，查找指定的字符串。

$ grep myvar *.c

在这个例子中，我们搜索的文件全都位于当前目录下。因此，我们只使用了简单的 shell 模式 *.c 来匹配以 .c 结束的文件，并没有在文件名前再添加路径。

但并非所有待搜索的文件都老老实实地待在当前目录下。但因为 shell 并不在意你输入多少路径名，所以我们也可以这么写：

$ grep myvar ../lib/*.c ../server/*.c ../cmd/*.c */*.c

如果待搜索的文件不止一个，grep 会在输出前加上文件名以及冒号，然后是该文件中包含 grep 搜索内容的文本。

grep 的第一个（非选项）参数可以是一个简单的字符串，也可以是更复杂的正则表达式（regexp）。正则表达式不同于 shell 的模式匹配，尽管两者有时看起来差不多。

常见错误

忘记指定 grep 的输入，例如 grep myvar。这种情况下，grep 会认为你要从 STDIN 提供输入，而你以为它会读取文件，于是 grep 就干等着，无所事事。

2、只显示包含搜索结果的文件名

你需要找出包含特定字符串的文件，但是不想看到其所在的文本行，只用输出文件名即可，经常在线上为了搜索配置文件。

用 grep 的 -l 选项仅显示文件名即可，如下：

$ grep -l myvar *.c
both.c
good.c
somio.c
$

如果在一个文件中找到了多次匹配，grep 仍然只输出该文件名一次。如果没有找到匹配，则什么都不输出。

由于这些文件包含了你要查找的字符串，如果想据此构建一个待处理

文件的列表，选项 -l 就能派上用场了。将 grep 命令放进 $()，然后就可以在命令行上使用这些文件名了，如下：

rm -i $(grep -l 'This file is obsolete' * ) 

删除包含字符串 “This file is obsolete” 的文件，我们给 rm 加上了 -i 选项，以便在删除每个文件前都先询问你。

3、不区分大小写搜索

你想要在日志文件中不区分大小写地搜索字符串（如 “error”），以匹配该字符串的所有出现。用 grep 的 -i 选项忽略大小写，如下所示：

grep -i error logfile.log

不区分大小写的搜索能够找出包含 “ERROR”、“error”、“Error” 的日志消息，“ErrOR” 和 “eRrOr” 这样的也不例外。该选项在查找大小写混合的单词时尤其管用，或者对于查找的内容无法确定大小时。

4、缩减搜索结果

如果搜索返回的结果不符合预期，其中包括许多并不需要的内容。将结果通过管道传给 grep -v 并用表达式描述出你不想看到的内容。假设你想在日志文件中找出整个 12 月的日志消息。你知道日志文件用字母缩写 Dec 代表 12 月，但不敢肯定总是如此，为了确保找出所有的日志消息，输入下列命令：

grep -i dec logfile

得到的结果却如下所示：

...
error on Jan 01: not a decimal number
error on Feb 13: base converted to Decimal
warning on Mar 22: using only decimal numbers
error on Dec 16 : the actual message you wanted
error on Jan 01: not a decimal number
...

一种快而糙的解决方案是，将第一次得到的结果通过管道传给另一个 grep，由后者过滤掉所有的 “decimal”。

grep -i dec logfile | grep -vi decimal

将多个 grep 串联在一起（因为前所未见、出乎意料的匹配会不断出现），逐步过滤搜索结果，直至满意，这种做法并不鲜见。

-v 选项非常方便，你只需要记住该排除什么就行了。

5、搜索更复杂的模式

grep 中的正则表达式提供了更为强大的模式匹配功能，能够满足大部分需求。正则表达式描述了待匹配字符串的模式。字母字符（或者对于 shell 没有特殊含义的其他字符）只匹配自身。“A” 匹配 A，“B” 匹配 B，这没什么好说的。另一个重要的规则是按位置组合字母，如 AB 匹配 “AB”。这看起来也是显而易见的。但是，正则表达式还定义了其他一些特殊字符，它们既可以单独使用，也可以与其他字符结合，从而形成更为复杂的模式。

第一个特殊字符是点号（.），它可以匹配任意单个字符。因此，.... 可以匹配任意 4 个字符；A. 匹配 “A” 以及紧随其后的任意单个字符；.A. 匹配任意单个字符，然后是 “A”，接着是任意单个字符（未必和匹配到的第一个字符相同）。

第二个特殊字符时星号 (**), 匹配上一个字符的 0 次或多次出现，因此，A* 匹配 0 个或多个 “A” 字符，.* 匹配 0 个或多个任意字符（如 “abcdefg”、“aaaabc”、“sdfgf ;lkjhj”，甚至是空行）。

那么 ..* 是什么意思？它匹配任意单个字符以及紧随其后的 0 个或多个任意字符（也就是一个或多个字符，但不能是空行）。

如下所示，我们知道一行的某些单词，我们想模糊匹配，如下操作：

grep -E "1.*22" 2.text  // 匹配1开头，任意个字符后是22

结果如下:

1898090808098822:  

Shell 文件查找

1、查找所有的 txt 文件

文件系统中到处都是 txt 文件。你想将它们集中到一个位置。那么我们该如何做呢？

find 命令可以找出符合要求的所有文件并执行命令，将其移动到指定位置。例如：

find . -name '*.txt' -print -exec mv '{}'  /txts  \;

find 命令的语法和其他 Unix 命令不同，其选项并不是那种典型的连字符加上单字母，后面再跟上若干参数。find 命令的选项看起来像是简短的单词 1，依照逻辑顺序出现，并描述要查找哪些文件以及如何处理找到的文件（如果存在的话）。这种像单词一样的选项通常称为谓词（predicate）。

find 命令的第一个参数是待搜索的目录。典型用法是用点号（.）代表当前目录，不过你也可以提供一个目录列表，甚至通过指定根目录（/）来搜索整个文件系统（只要权限允许）。

示例中的第一个选项（谓词 -name）指定了要搜索的文件模式。其语法和 bash 的模式匹配语法差不多，因此 *.txt 能够匹配所有以 “.txt” 结尾的文件名。匹配该模式的文件被认为返回的是真（true），接着将其交给下一个谓词进行处理。

find 会遍历文件系统，将找到的文件名交给谓词测试。如果谓词返回真，就通过。如果返回假，则不再继续往下进行，会接着处理下一个文件名。

谓词 -print 很简单。它总是返回真，同时会将文件名打印到标准输出，因此，能在谓词序列中通过测试而到达这一步的文件都会输出其名称。如果不写，默认会带有这个谓词。

-exec 就有点怪异了。到达这一步的文件名都会变成接下来要执行的命令的一部分。剩下一直到；的这部分就是命令，其中的 {} 会被替换成已查找到的文件名。因此，在上面的例子中，如果 find 在./txt/jazz 子目录中找到名为 1.txt 的文件，那么要执行的命令就会是：

mv ./txt/jazz/1.txt  /txts

所有匹配指定模式的文件都会执行命令。如果找到的文件数量众多，那么命令的执行次数自然也不会少。

2、提升已找到文件的处理速度

按照上面的例子，find 命令会为每个名字符合要求的文件执行命令，但是当文件过多时命令自然会很慢，那么我们如何提高速度呢？

xargs 命令从标准输入中接收以空白字符分隔（指定 -0 时除外）的文件名，然后对尽可能多的文件（略微少于系统的 ARG_MAX 值，参见 15.13 节）执行指定命令。由于调用其他命令会带来不小的开销，因此使用 xargs 可以显著提升操作速度，因为它能够尽量减少命令的调用次数，而不是每个文件都调用。如下所示：

find . -name '*.txt' -print  | xargs  mv '{}'  /txts;

3、查找文件时不区分大小写

有些 TXT 文件的扩展名是 .TXT，而不是 .txt。查找时该如何兼顾两者？

用 -iname 谓词（如果使用的 find 版本支持）执行不区分大小写的搜索。例如：

find . -iname '*.txt' -print  | xargs  mv '{}'  /txts;

4、按日期查找文件

几个月前，有人给你发了一张 JPEG 图片，你接收后就保存了起来，但现在记不清放哪了。怎样才能找到这张图片呢？

使用 find 命令的 -mtime 谓词来检查文件的最后修改日期。例如：

find . -name '*.jpg' -mtime +90 -print

-mtime 谓词接受一个参数，用于指定要搜索的时间段。90 代表 90 天。在数字前使用加号（+90）表明要搜索的文件是在 90 天前修改的。使用减号（-90）表明文件是在 90 天以内修改的。如果既没减号，也没加号，则表明正好就是 90 天。

find 还可以使用逻辑运算符 AND、OR、NOT，如果知道文件修改时间至少在一周（7 天）前，但不超过 14 天，那么就可以像下面这样将两个谓词结合起来。如下所示：

find . -mtime +7 -a -mtime -14 -print

5、按类型查找文件

你正在查找名称中带有单词 “java” 的目录。先尝试了以下命令。

find . -name '*java*' -print

找到的文件太多了，其中还包括文件系统中所有的 Java 源代码文件。使用 -type 谓词只选择目录。如下：

find . -type d -name '*java*' -print

同样，我们可以使用 -type f 指定指查找文件。

我们将 -type d 放在前面，然后是 -name 'java'。两者的顺序并不影响最终结果，但将 -type d 放在谓词列表的最前面能略微提高搜索效率：对于碰到的每个文件，先测试其是否为目录，如果是，才测试名称是否符合模式。目录的数量比文件要少一些。因此，这种测试顺序使得大部分文件不用再进一步比较名称了。

6、按内容查找文件

你之前写了一份重要的信件，并将其保存为以 .txt 为扩展名的文本文件，但现在想不起文件名的其余部分了。除此之外，唯一记得的就是信件内容中用到过单词 “portend”。那么该如何查找已知部分内容的文件呢？

如果文件就在当前目录下，可以使用简单的 grep 命令。

grep -i portend *.txt

如果还没找到，我们换用一个更完备的解决方案：find 命令。使用其 -exec 选项对满足谓词的文件执行命令。你可以按下列方式使用 grep 或其他实用工具：

find . -name '*.txt' -exec grep -Hi portend '{}' \;

或者也可以使用 xargs

find . -name '*.txt' | xargs grep -Hi portend

Shell 文本解析 awk

1、保留部分输出

你需要用某种方法保留部分输出，丢弃其余输出。比如我们日常线上日志，我们可能会输出很多属性，但是真正能用来解决实际问题的，大多是我们输出的文字信息。以下代码会打印出所有输入行的第一个字段:

awk '{print $1}' myinput.file

字段之间以空白字符分隔。实用工具 awk 从命令行上指定的文件中读取数据，如果没有指定文件，则从标准输入读取。$1 代表每行以空格分割后的第一列。

除了上面的写法，我们还可以通过管道传入：

cat myinput.file | awk '{print $1}'

awk 的用法多变。最简单的用法就是从输入中打印出所选的一个或多个字段。字段之间以空白字符分隔（也可以用 -F 选项指定分隔字符），编号从 1 开始。字段 $0 代表整个输入行。

2、保留部分输入行

你只想保留部分输入行，例如第一个和最后一个字段。举例来说，你希望 ls 只列出文件名和权限，不需要 ls -l 所提供的其他信息。可惜的是，ls 并没有相应的选项能够按照这种方式限制输出。可以通过管道将 ls 的输出传给 awk，并从中挑选出你需要的字段，如下：

$ ls -l | awk '{print $1, $NF}'
total 151130
-rw-r--r-- add.1
drwxr-xr-x art
drwxr-xr-x bin
-rw-r--r-- BuddyIcon.png
drwxr-xr-x CDs
drwxr-xr-x downloads
drwxr-sr-x eclipse
...
$

如果我们用 ls -l 命令的输出。其形式如下所示：

drwxr-xr-x 2 username group 176 2026-10-28 20:09 bin

对于 awk 而言，解析这种输出易如反掌（在 awk 中，默认的字段分隔符为空白字符）。

在输出文件名时，我们用了点小技巧。在 awk 中，各种字段是用美元符号和字段编号来引用的（如 $1、$2、$3），而且 awk 还有一个内建变量 NF，其中保存着当前行中的字段总数，$NF 总是引用最后一个字段。（例如，ls 的输出行共有 8 个字段，因此变量 NF 的值就是 8，$NF 指向的就是输入行中的第 8 个字段，在这个例子中就是文件名）。

注意：读取 awk 变量时不需要使用 $（这一点和 bash 变量不同）。NF 本身就是一个有效的变量引用。在其之前加上 $ 就将其含义从 “当前行的字段总数” 改成了 “当前行的最后一个字段”。

3、颠倒每行的单词

如果想按照逆序输出输入行中的单词。通过下列脚本：

$ awk '{
> for (i=NF; i>0; i--) {
> printf "%s ", $i;
> }> printf "\n"
> }' <filename>

字符 > 不用你输入，shell 会输出该字符来提醒你还没有敲完命令（shell 在查找能配对的单引号）。由于 awk 程序位于单引号中，因此 bash shell 允许我们输入多行代码，同时使用 > 作为辅助提示符，直到我们给出与先前匹配的结束单引号。考虑到可读性，我们在程序中加入了空白字符，不过也完全可以写成一行。

$ awk '{for (i=NF; i>0; i--) {printf "%s ", $i;} printf "\n"}' <filename>

awk 语言的 for 循环语法和 C 语言中的非常相似。我们用 for 循环从最后一个字段开始倒着处理到第一个字段，同时输出每个字段的内容。

4、汇总数字列表

如果你需要汇总数字列表，其中有些数字并未出现在行中。用 awk 先过滤出待汇总的字段，然后再做汇总。这里我们要对 ls -l 命令输出的文件大小进行汇总。如下：

ls -l | awk '{sum += $5}; END {print sum}'

我们要汇总 ls -l 输出的第 5 个字段。ls -l 的输出如下所示：

-rw-r--r--. 1 root root  37 12月  23 21:44 2.text                                           
-rwxr--r--. 1 root root 110 12月  10 02:20 ifTest.sh

各个字段分别为：权限、链接、所有者、所属组、大小（以字节为单位）、最后一次修改日期、最后一次修改时间，以及文件名。我们只对文件大小感兴趣，因此在 awk 程序中用 $5 来引用该字段。我们在花括号（{}）里放置了两段 awk 代码，注意，awk 程序中可以有多个代码段（或代码块）。前有关键词 END 的代码块仅在程序其他部分完成后运行一次。