linux三剑客

Linux给人的印象是黑乎乎的神秘窗口，文本操作和数据处理似乎没有 Windows 窗口界面直观方便。其实Linux 有自己的独特的法宝，称之为三剑客：grep，awk 和 sed。你可以用这三件法宝很方便的处理数据：查找，分段，修改，而这三个功能对应着我们今天的主角：grep，awk，sed。

形象一点比喻，如果把数据比作人群，那么 grep 就是照妖镜，用来找出妖精；awk 就是尺子，给人群分门别类；而 sed 就是宝剑，用来除掉妖精。当你明白为什么要用三剑客时，就更容易拿这三把剑去斩妖除魔。

1. grep

grep-global regular expression print - 全局正则表达式打印
可用于数据查找定位

先列举出测试工作常用的grep命令和意义：
grep pattern file
grep -i pattern file 忽略大小写
grep -v pattern file 不显示匹配行
grep -o pattern file 只把每个匹配的内容独立的行显示
grep -E pattern file 使用拓展正则表达式
注意：grep 'a[0-9]{10}' 等同于 grep -E 'a[0-9]{10}'
grep -A -B -C pattern file 打印命中数据的上下文
grep pattern -r dir/ 递归搜索
grep -m1 匹配匹配中的第一个
grep -n 顺便输出行号

下面以一个检查首页是否有死链的案例需求来展示 grep 的匹配用法

以目前国内最大的测试社区网站 testerhome 为例，访问 testerhome 主页，找出主页中包含的左右 url,分别进行访问，如果访问成功会返回状态码200，检查所有访问成功的url并打印出来，若没访问成功就打印ERR加上失败的url。

先访问 Testerhome 社区主页，利用 grep href 过滤出所有包含 url 的内容。命令：
curl -s https://testerhome.com | grep href
-s参数将不输出错误和进度信息。

图片.png

2.从返回的结果中取出 url,观察发现所有的 url 都被包在了双引号之中，那么在利用 grep -o 命令，加上正则表达式匹配，只打印从 http 开始到 url 结束双引号之前的内容。命令：
curl -s https://testerhome.com | grep href | grep -o 'http[^"]*'
匹配http独立的行打印出来，用”\”号进行转义，分别使用 ^开始的行

grep正则表达式元字符集（基本集）
'''

图片.png

[] 匹配一个指定范围内的字符，如'[Gg]rep'匹配Grep和grep。
[^] 匹配一个不在指定范围内的字符，如：'[^A-FH-Z]rep'匹配不包含A-R和T-Z的一个字母开头，紧跟rep的行。
/(../) 标记匹配字符，如'/(love/)'，love被标记为1。
/< 锚定单词的开始，
/> 锚定单词的结束，如'grep/>'匹配包含以grep结尾的单词的行。
x/{m/} 重复字符x，m次，如：'o/{5/}'匹配包含5个o的行。 x/{m,/} 重复字符x,至少m次，如：'o/{5,/}'匹配至少有5个o的行。
x/{m,n/} 重复字符x，至少m次，不多于n次，如：'o/{5,10/}'匹配5--10个o的行。
/w 匹配文字和数字字符，也就是[A-Za-z0-9_]，如：'G/w*p'匹配以G后跟零个或多个文字或数字字符，然后是p。
/W /w的反置形式，匹配一个或多个非单词字符，如点号句号等。
/b 单词锁定符，如: '/bgrep/b'只匹配grep。
'''

图片.png

从上一步中我们已经取出了完整的 url 了，现在我们需要对每个url进行访问取值判断

3.1. 先用curl -I 看看请求返回的头信息内容。命令：
curl -s -I https://testerhome.com/topics/feed

图片.png

3.2. 访问成功返回200，这时候我们一行一行去访问，再用grep命令匹配"200 OK"作为判断条件，筛选出成功的url并打印，然后将失败的 url 加上 ERR 标记也一起打印出来。命令
curl -s https://testerhome.com | grep href | grep -o "http[^"]*" | while read line;do curl -s -I $line | grep 200 && echo$ line || echo ERR $line;done

4.最终结果展示

图片.png

2. awk

awk = “Aho Weiberger and Kernighan” 三个作者的姓的第一个字母
awk 是 Linux 下的一个命令，同时也是一种语言解析引擎
awk 具备完整的编程特性。比如执行命令，网络请求等
精通 awk,是一个 Linux 工作者的必备技能
语法：awk ‘pattern{action}’

awk pattern语法

awk 理论上可以代替 grep
awk ‘pattern{action}’ ,默认以空格分隔

awk ‘BBEGIN{}END{}’ 开始和结束
awk ‘/Running/’ 正则匹配
awk ‘/aa/,/bb/’ 区间选择
awk ‘$2~/xxx/’ 字段匹配，这里指从第2个字段开始匹配包含xxx内容的行
awk ’NR==2’ 取第二行
awk ’NR>1’ 去掉第一行

awk的字段数据处理

-F 参数指定字段分隔符
BEGIN{FS=‘_’} 也可以表示分隔符

$0 代表原来的行$ 1 代表第一个字段
$N 代表第N个字段$ NF 代表最后一个字段

下面以一个在nginx.log中查找返回状态码非200的请求响应数目的需求为例，演示awk的基础用法
有一份nginx.log文件，打开后内容格式如下：
'''
220.181.108.111 - - [05/Dec/2018:00:11:42 +0000] "GET /topics/15225/show_wechat HTTP/1.1" 200 1684 "-" "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)" 0.029 0.029 .
216.244.66.241 - - [05/Dec/2018:00:11:42 +0000] "GET /topics/10052/replies/85845/reply_suggest HTTP/1.1" 301 5 "-" "Mozilla/5.0 (compatible; DotBot/1.1; http://www.opensiteexplorer.org/dotbot, help@moz.com)" 0.016 0.016 .
216.244.66.241 - - [05/Dec/2018:00:11:42 +0000] "GET /topics/10040?order_by=created_at HTTP/1.1" 301 5 "-" "Mozilla/5.0 (compatible; DotBot/1.1; http://www.opensiteexplorer.org/dotbot, help@moz.com)" 0.002 0.002 .
216.244.66.241 - - [05/Dec/2018:00:11:42 +0000] "GET /topics/10043/replies/85544/reply_suggest HTTP/1.1" 301 5 "-" "Mozilla/5.0 (compatible; DotBot/1.1; http://www.opensiteexplorer.org/dotbot, help@moz.com)" 0.001 0.001 .
216.244.66.241 - - [05/Dec/2018:00:11:44 +0000] "GET /topics/10075/replies/89029/edit HTTP/1.1" 301 5 "-" "Mozilla/5.0 (compatible; DotBot/1.1; http://www.opensiteexplorer.org/dotbot, help@moz.com)" 0.001 0.001 .
216.244.66.241 - - [05/Dec/2018:00:11:44 +0000] "GET /topics/10075/replies/89631/edit HTTP/1.1" 301 5 "-" "Mozilla/5.0 (compatible; DotBot/1.1; http://www.opensiteexplorer.org/dotbot, help@moz.com)" 0.001 0.001 .
216.244.66.241 - - [05/Dec/2018:00:11:45 +0000] "GET /topics/10075?order_by=created_at HTTP/1.1" 301 5 "-" "Mozilla/5.0 (compatible; DotBot/1.1; http://www.opensiteexplorer.org/dotbot, help@moz.com)" 0.000 0.000 .
216.244.66.241 - - [05/Dec/2018:00:11:45 +0000] "GET /topics/10075?order_by=like HTTP/1.1" 301 5 "-" "Mozilla/5.0 (compatible; DotBot/1.1; http://www.opensiteexplorer.org/dotbot, help@moz.com)" 0.001 0.001 .
223.71.41.98 - - [05/Dec/2018:00:11:46 +0000] "GET /cable HTTP/1.1" 101 60749 "-" "Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:63.0) Gecko/20100101 Firefox/63.0" 2608.898 2608.898 .
113.87.161.17 - - [05/Dec/2018:00:11:39 +0000] "GET /cable HTTP/1.1" 101 3038 "-" "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.62 Safari/537.36" 112.418 112.418 .
216.244.66.241 - - [05/Dec/2018:00:11:46 +0000] "GET /topics/10079/replies/119591/edit HTTP/1.1" 301 5 "-" "Mozilla/5.0 (compatible; DotBot/1.1; http://www.opensiteexplorer.org/dotbot, help@moz.com)" 0.001 0.001 .
216.244.66.241 - - [05/Dec/2018:00:11:46 +0000] "GET /topics/10089?locale=zh-TW HTTP/1.1" 301 5 "-" "Mozilla/5.0 (compatible; DotBot/1.1; http://www.opensiteexplorer.org/dotbot, help@moz.com)" 0.002 0.002 .
'''

观察log内容，可以发现，以空格为分隔符，状态码在第九个字段位置；这里我们用awk命令从第九个字段位置开始匹配非200的状态码并打印出来。命令：
$awk '$ 9 !~/^200/ {print $9}' nginx.log 或者（$ awk ' $9 !=200 {print$ 9}' nginx.log）
~/200/ 第九列以200开头，！代表不等于， ~正则匹配操作符

图片.png

再对取出的数据进行排序->去重->按数字的倒叙进行排列。命令：
awk ' $9!~/200/{print$ 9}' nginx.log | sort | uniq -c | sort -nr

图片.png

命令含义：
sort: 按从小到大进行排序
uniq -c :去重（相邻）
-nr: 按数字进行倒叙排序
-n:按数字进行排序

再结合 awk ‘BBEGIN{}END{}’ 命令，以统计当前用户数目的例子来展示命令用法

图片.png

使用cat /etc/passwd命令来查看本机用户，我们需要提取出用户名称并加上数字序号显示出来，达到这种效果：
1 nobody2 root
3 daemon
4 _uucp
5 _taskgated
6 _networkd
7 _installassistant
8 _lp
9 _postfix

思路：
* awk运行前先定义序号索引0，用来递增保存用户
* 利用awk将用户提取出来，按索引分别保存；
* 切片结束后再按行数进行循环，将数字序号与第一步保存的信息拼接打印
* 注意：cat /etc/passwd打印出的结果中，最上方的注释需要处理跳过

cat /etc/passwd | awk -F ':' 'BEGINE{userindex=0}{user[userindex]=$1;userindex++}END{for(i=0;i<NR;i++)print i+1, user[i+10]}' |less

User[i+10]是跳过最上方注释的用法。

3. sed

sed:stream editor 根据定位到的数据行修改数据

sed [-nefri] [动作]
参数：
-n ：使用安静(slient)模式。只有经过sed特殊处理的那一行(或者操作)才会被列出来。一般与p配合使用
-e ：直接在命令行模式上进行sed的动作编辑
-f ：直接将sed动作写在一个文件内，-f filename则可以执行filename 内的sed动作。
-r ：sed的动作支持的是拓展正则表达式的语法(默认是基础正则表达式的语法)
-i ：直接修改读取的文件内容，而不是由屏幕输出
动作说明：[[n1][,n2]]function
n1,n2 ：不见得会存在，一般代表选择进行动作的行数，举例来说，如果我的动作是需要在10到20之间进行的，则“10,20[动作行为]”

function有下面这些参数：
a ：新增
d ：删除（比较重要,测试工作中对数据处理时可快速去除无用信息，比如注释行，空白行等）
i ：插入
p ：打印（一般与-n配合使用）
s ：替换（重中之重！！！，s参数可以说是日常测试工作中对数据用sed清理过滤时使用率最高的了）

sed 修改表达式：sed 's/待修改/修改结果/'

注意说明：
表达式单引号中的s表示修改，/ 符号表示分隔，实际上将/换成其他符号也可以，只要能起到分隔作用就OK
$ echo "aaa|bbb} | cccbbb" | sed 's/bbb/BBB/'
aaa|BBB} | cccbbb

echo "aaa|bbb}|cccbbb" | sed 's#bbb#BBB#'
aaa|BBB}|cccbbb

若想讲目标中所有的字段都替换，需要在命令最后加上g:
$ echo "aaa|bbb} | cccbbb" | sed 's/bbb/BBB/g'
aaa|BBB} | cccBBB

sed还可以修改文件中的内容，现在有文件text.txt,内容如下：
cat text.txt
hello bash world
hi~ tester
go go go go!

用sed 's/hello/HELLO/' text.txt 命令将文件中的hello替换成HELLO：

sed 's/hello/HELLO/' text.txt
HELLO bash world
hi~ tester
go go go go!

但是此时我们打开源text.txt文件发下源文件内容并未改变：
cat text.txt
hello bash world
hi~ tester
go go go go!

注意说明：
sed 在修改文件内容时，是另外开辟了一块模式空间，将修改后的内容放入并输出，源文件并未修改；

这时如果想要修改源文件就需要借助-i命令，另外为了防止误操作修改文件，一般可以采取这种写法:sed -i.bak 's/hello/HELLO/' text.txt，这种写法在修改源文件的同时还会生成一份以.bak结尾的备份文件，相较安全。

图片.png

需求：现有一个1.txt的文本，内容如下：
a:
b:
c:
d:

要将其中每行末尾的：都替换成@，将a替换成A，并在文本末尾加上“Sed Test”
命令：
sed -i -e 's/:/@/g'
-i -e 's/a/A/'
-i -e '$a Sed Test' 1.txt

\代表换行，-i ：直接修改读取的文件内容，而不是由屏幕输出
-e ：直接在命令行模式上进行sed的动作编辑
实例演示：

图片.png