正則表達(dá)式
翻譯領(lǐng)域不乏讓人摸不著頭腦的詞匯，比如“句柄”、“套接字”、“魯棒性”。當(dāng)然，“正則表達(dá)式”也屬于這一類詞匯。我剛接觸正則表達(dá)式的時(shí)候，對(duì)這個(gè)名詞感到非常迷惑。深入了解之后，才突然明白，原來(lái)所謂的 regular expression， 其實(shí)就是“有規(guī)律、有模式的字符串”而已。

很少有一門技術(shù)，只需要投入少量的學(xué)習(xí)成本即可獲得巨大的價(jià)值回報(bào)。正則表達(dá)式就屬于這一類技術(shù)?？上Ш芏嗳吮凰艽a般的語(yǔ)法形式當(dāng)頭棒喝，甚至連門都不得而入。

為什么你應(yīng)該學(xué)習(xí)正則表達(dá)式？其一，在實(shí)踐中應(yīng)用這門技術(shù)其實(shí)不難，只需理解為數(shù)不多的幾個(gè)元字符以及并不復(fù)雜的語(yǔ)法，就能夠獲得強(qiáng)大的文本操控能力；其二，正則表達(dá)式往往能提供處理文本的最簡(jiǎn)單最高效的解決方法（有時(shí)也許是唯一的解法）。遇上復(fù)雜的情況，如果你不會(huì)正則表達(dá)式，就只好束手無(wú)策、黯然神傷了。

正則表達(dá)式入門容易，精通卻難。本文并不打算挑戰(zhàn)此項(xiàng)任務(wù)^^

文本檢索
grep 命令可以完成簡(jiǎn)單的文本搜索任務(wù)。

先來(lái)準(zhǔn)備一份文本材料，把 grep 的幫助頁(yè)保存為文本文件：

下面，我想檢索 grephelp.txt 文件中所有包含 "find" 這個(gè)單詞的文本行：


我希望匹配到的文本使用不同的顏色顯示，可以添加 --color 選項(xiàng)，默認(rèn)的顏色是紅色。


我希望在匹配結(jié)果中顯示文件名和行號(hào)，使用 -H 選項(xiàng)可以顯示文件名，使用 -n 選項(xiàng)可以顯示行號(hào)：


很多時(shí)候，我們需要知道匹配行前后的上下文。-A 和 -B 這兩個(gè)選項(xiàng)會(huì)是你的好朋友。-A n 表示顯示匹配行以及其后的 n 行；-B n 表示顯示匹配行以及之前的 n 行。現(xiàn)在，我們?cè)谄ヅ湫械那昂蠓謩e額外顯示兩行：


如果需要查找所有不包含 "find" 的文本行，該怎么做呢？很簡(jiǎn)單，使用 -v 選項(xiàng)即可。

grep 還有兩個(gè)變體，egrep 和 fgrep。相對(duì)于僅支持基本正則模式（BREs）的 grep 來(lái)說(shuō)，egrep 支持?jǐn)U展正則模式（EREs），因而檢索能力更為強(qiáng)大；fgrep 是所有三個(gè)工具中速度最快的一個(gè)，因?yàn)樗耆恢С终齽t模式。

文本替換
tr 命令可以完成簡(jiǎn)單的字符轉(zhuǎn)換任務(wù)。例如，可以通過(guò) tr 把 grephelp.txt 文件轉(zhuǎn)換為全文大寫：

簡(jiǎn)而言之，tr 的工作就是把第一個(gè)集合中的字符轉(zhuǎn)換為第二個(gè)集合中的相應(yīng)的字符。常用的字符集合有下面這些：

[:alnum:]：字母數(shù)字
[:alpha:]：字母
[:cntrl:] ：控制字符
[:digit:]：數(shù)字
[:graph:]: 圖形字符
[:lower:]：小寫字母
[:print:]：可打印字符
[:punct:]：標(biāo)點(diǎn)符號(hào)
[:space:]：空白字符
[:upper:]：大寫字母
[:xdigit:]：十六進(jìn)制數(shù)字
tr 命令的應(yīng)用場(chǎng)景非常受限，如果希望進(jìn)行更加靈活的模式替換，我們還有 sed（也就是 stream editor，流編輯器）。

把文件中所有的 "find" 文本替換為 "search"：

這條命令中，s 表示執(zhí)行“替換操作”，/find/search/ 表示把 "find" 替換為 "search"，g 表示對(duì)一行中所有的匹配進(jìn)行替換。sed 默認(rèn)把處理結(jié)果打印到標(biāo)準(zhǔn)輸出，我們可以通過(guò)重定向把處理結(jié)果轉(zhuǎn)儲(chǔ)到一個(gè)新文件中，或者使用選項(xiàng) -i 把結(jié)果直接寫回原文件（有風(fēng)險(xiǎn)，需謹(jǐn)慎）：


把文件中所有的數(shù)字 n 替換為 "--n--" 的形式：


選項(xiàng) -E 表示在處理過(guò)程中使用擴(kuò)展的正則模式（EREs），替換命令中的 \1 表示引用正則表達(dá)式的第一個(gè)捕獲分組。請(qǐng)注意，-E 這個(gè)選項(xiàng)只在 Mac OS X 系統(tǒng)和 FreeBSD 系統(tǒng)上有效，其他 Unix 系統(tǒng)需要使用另一個(gè)等效的選項(xiàng) -r。

sed 的功能遠(yuǎn)不止這一些，篇幅所限，不可能詳細(xì)講解 sed 的用法。如果希望學(xué)習(xí)更多，請(qǐng)移步這篇文章。

文本去重

這是莎士比亞的一首十四行詩(shī)，只可惜第5行和第10行有重復(fù)（而且第10行重復(fù)了3次）。怎么查看文本中重復(fù)的行呢？uniq 命令可以幫助你。


選項(xiàng) -d 表示僅輸出重復(fù)的行。如果需要去重，使用不帶選項(xiàng)的 uniq 命令就可以了：


想要查看每一行究竟重復(fù)了多少次？沒(méi)問(wèn)題，使用選項(xiàng) -c：

文本排序
假設(shè)有這樣一個(gè)報(bào)表文件，第一列是月份，第二列是當(dāng)月的銷售個(gè)數(shù)：

這個(gè)文件的內(nèi)容不僅順序是亂的，而且還有重復(fù)。我希望按字母表順序排序，可以下面這個(gè)命令：


選項(xiàng) -u （表示 unique）可以在排序結(jié)果中去除重復(fù)行：


能不能按照月份排序呢？選項(xiàng) -M （表示 month-sort）可以幫助我們：


按照第二列的數(shù)字進(jìn)行排序也是很簡(jiǎn)單的：


上面的例子中，選項(xiàng) -t',' 表示以逗號(hào)為分隔符對(duì)文本進(jìn)行列分割；-k2 表示對(duì)第2列進(jìn)行排序。

當(dāng)然了，把結(jié)果逆序排列也并非不可能：

文本統(tǒng)計(jì)
wc 命令用來(lái)完成文本統(tǒng)計(jì)工作，通過(guò)使用不同的選項(xiàng)，它可以統(tǒng)計(jì)文件中的字節(jié)數(shù)（-c），字符數(shù)（-m），單詞數(shù)（-w）與行數(shù)（-l）。

例如，查看 grephelp.txt 這個(gè)文件總共有多少個(gè)單詞：

查看 sonnet116.txt 這個(gè)文件總共有多少不重復(fù)的行（廢話，十四行詩(shī)當(dāng)然是有14行）：


你還應(yīng)該試試 Awk 與 Perl
如果上面介紹的工具仍然不能滿足你，也許你需要火力更強(qiáng)的武器。試試 Awk 與 Perl 吧。

Awk 也是一款上古神器，它的年齡可能和 sed 不相上下。Awk 可謂是專門為了文本處理而生，它的語(yǔ)法和特性非常適合用于操縱文本和生成報(bào)表。如需學(xué)習(xí)，請(qǐng)參考 這篇文章，你會(huì)喜歡上它的。

長(zhǎng)久以來(lái)，Perl 背負(fù)了“只寫語(yǔ)言”的惡名。實(shí)際上，只要處理得當(dāng)，用 Perl 一樣可以寫出模塊清晰的、容易閱讀和理解的代碼。根據(jù)我的經(jīng)驗(yàn)，使用 Perl 的場(chǎng)合 80% 以上與文本處理有關(guān)。Perl 內(nèi)置的正則表達(dá)式支持可能是所有語(yǔ)言中最好的，再加上簡(jiǎn)潔緊湊的語(yǔ)法以及便利的操作符，這些特性幫助 Perl 成了文本處理領(lǐng)域當(dāng)仁不讓的霸主。