提到Linux下的文本处理工具，`grep`无疑是一个耳熟能详的名字，它以强大的正则表达式搜索功能著称，能够迅速从海量数据中筛选出符合特定模式的行
然而，Linux的魅力远不止于此，除了`grep`，还有一系列功能各异、互为补充的文本处理工具，它们共同构建了一个强大的文本处理生态系统
本文将深入探讨除`grep`之外的几个关键工具，展示它们在文本处理领域的独特价值和无限可能
1.awk：文本分析的瑞士军刀 如果说`grep`是文本搜索的专家，那么`awk`则是文本分析和处理的多面手
`awk`以其强大的字段处理能力、内置变量和函数库，以及对复杂数据结构的支持，成为了数据科学家和系统管理员不可或缺的工具
- 字段操作：awk默认以空格或制表符为分隔符，将每行文本分割成多个字段，用户可以通过`$1, $2`, ...等方式访问这些字段，进行提取、计算或重组
- 条件语句与循环：awk支持if-else条件判断和for、while循环，允许用户根据特定条件执行不同的操作，或遍历数组和记录
- 内置函数：awk提供了丰富的内置函数，如数学运算（sin, cos）、字符串处理（length, tolower）、日期时间（systime）等，极大地扩展了其应用范围
- BEGIN与END块：在处理文件之前或之后执行特定代码，这对于初始化变量或输出总结信息非常有用
例如，使用`awk`统计一个文本文件中每个单词出现的次数： awk {for(i=1;i<=NF;i++)count【$i】++}END {for(word incount) print word, count【word】} filename 2.sed：流编辑器，文本替换的高手 `sed`（Stream EDitor）是一种非交互式文本编辑器，擅长对文本进行查找、替换、删除、插入等操作，尤其适用于批量处理文件
与`grep`不同，`sed`直接修改文件内容或输出到标准输出，而不仅仅是搜索匹配的行
- 基本替换：sed s/old/new/g是最常见的用法，将每行中的第一个`old`替换为`new`，加上`g`标志表示全局替换
- 行操作：使用d删除行，p打印行，i和`a`分别在当前行之前和之后插入新行
- 地址范围：sed支持通过行号或模式匹配指定操作范围，如`sed 2,4s/foo/bar/`表示仅在第2到第4行进行替换
- 脚本文件：将多条sed命令写入脚本文件，通过`-f`选项执行，实现复杂的文本处理流程
例如，使用`sed`删除所有包含特定单词的行： sed /pattern/d filename 3.cut：字段提取的利器 `cut`是一个简单而高效的工具，用于按列（字段）提取文本数据
它通常与`delimiter`（分隔符）参数一起使用，如逗号、制表符或自定义字符，来指定字段的边界
- 字段选择：通过-d指定分隔符，-f选择字段，如`cut -d: -f1,3 /etc/passwd`提取用户名和用户ID
- 字符范围：除了字段，cut还支持按字符位置提取，如`cut -c1-5`提取每行的前5个字符
- 补集：使用--complement选项选择未明确指定的字段
例如，提取CSV文件中第二列的所有值： cut -d, -f2 data.csv 4.sort：排序的艺术 `sort`是一个用于对文本行进行排序的工具，支持多种排序规则，包括数值排序、字典序排序、逆序排序等
- 基本排序：默认情况下，sort按字典序对文件进行排序
- 数值排序：使用-n选项进行数值排序，适用于包含数字的字段
逆序排序：-r选项可以将排序结果反转
- 键排序：通过-k选项指定排序的键字段，以及排序的起始和结束位置
- 稳定排序：-s选项保证具有相同键值的行保持原有顺序，这在某些应用场景中非常重要
例如，按第二列数值从小到大排序： sort -k2,2n data.txt 5.uniq：去重与计数 `uniq`通常与`sort`结合使用，用于报告或省略文件中的重复行
它基于相邻行的比较，因此在使用前通常需要先对文件进行排序
- 去重：默认情况下，uniq删除相邻的重复行
- 计数：-c选项会在每行前显示该行出现的次数
- 忽略空白：-w选项指定比较的最大字符数，有助于处理部分匹配的情况
