編程小技巧之 Linux 文本處理命令（二）
合格的程式設計師都善於使用工具，正所謂君子性非異也，善假於物也。合理的利用 Linux 的命令行工具，可以提高我們的工作效率。
本篇文章是《Linux 文本處理命令》 續篇，在前文的基礎上再介紹幾款有用的 Linux 命令行工具和使用場景。
再啰嗦幾句，工具能提供效率，但是有一定的學習曲線和學習成本。很多同學臨時想用時，可能會陷入了不會用的尷尬境地，再去網上搜索學習，最終要花費更長時間，還不如使用笨方法處理，這是很多同學不使用這些工具的原因之一。
而且更難的是，思維上改變原有的做事習慣，一個文件中有20多行數據要生成 SQL，好像用手工處理也就是1，2分鐘；快捷鍵記不住，我滑鼠移動一下點點也挺快。但是當行數量變大或者複雜性提高時，這些手段的弊端就會顯現，逼迫我們去使用正確的手段。
所以，為什麼不一開始就使用更快，而且可以處理更加複雜場景的手段呢？
本文主要以兩個場景為引子，介紹 join、sort、uniq 命令和 sed 編輯器。
合併兩個文件中的關聯行
簡單說一下場景，有兩個文件，裡邊都是固定格式的行，代表著資料庫的一行數據，一個文件是用戶相關的數據，有 user_id、username 和 gender 三列，另外一個文件是訂單相關的數據，有order_id、price、user_id，time四行，現在要按照 user_id 將兩個文件按行合併，也就是user_id相同的行組合成一個新行，如下圖所示。
上述兩個文件的內容如下所示：
// order.txt user_id是第三列
o1 1 u1 2011-9
o2 2 u2 2011-10
o3 3 u3 2011-10
o4 4 u1 2011-12
// user.txt user_id是第一列
u1 tom 男
u2 jack 男
u3 nacy 女
我們準備使用 join，發現具體命令格式已經忘記了。這時，既可以去網上搜尋，也可以去詢問 man
通過 man 你可以了解到 join 的功能描述和參數介紹，一般來說看 DESCRIPTION 一欄下的即可。
從上邊的 man 文檔可以很清楚的了解到 join 命令使用 equality join 操作對特定的文件進行合併，並輸出到標準輸出流上。join filed 就是用於合併文件時進行比較的列，默認是兩個文件的第一列。可以使用 -1 和 -2 分別制定第一個文件和第二個文件要對比的列。
$ join -1 3 -2 1 order.txt user.txt # 指定以order.txt的第三列和user.txt的第一列來進行對比join
u1 o1 1 2011-9 tom 男
u2 o2 2 2011-10 jack 男
u3 o3 3 2011-10 nacy 女
會發現，輸出中少了一行，order.txt 明明是四行，這是為什麼呢？我們再來細看 man 文檔，發現了端倪。
兩個合併文件的行必須先按照對比列進行排序，否則可能會導致缺失部分行。user.txt 已經按照其第一列排序了，所以，我們只需要使用 sort 命令對 order.txt 按照其第三列進行排序。
sort 命令將以默認的方式將文本文件的第一列以ASCII 碼的次序排序，並將結果輸出到標準輸出。-k 參數可以指定其根據第幾列進行排序。
$ sort -k 3 order.txt # 按照數字排序則使用 -n 如果反序則用 -r
o4 4 u1 2011-12
o1 1 u1 2011-9
o2 2 u2 2011-10
o3 3 u3 2011-10
我們將上述兩個命令結合起來使用，現將 sort 的結果存入 sorted_order.txt，然後再進行 join，就能得到最終的結果。
$ sort -k 3 order.txt > sorted_order.txt
$ join -1 3 -2 1 sorted_order.txt user.txt
u1 o4 4 2011-12 tom 男
u1 o1 1 2011-9 tom 男
u2 o2 2 2011-10 jack 男
u3 o3 3 2011-10 nacy
另外，上述命令默認的列分隔符都是\t和空格，可以使用 -t 參數來制定字元作為分隔符。
通過上述命令的組合，我們就完成了按照相同列合併兩個文件的操作，這也體現了 Linux 的 KISS 思想，每個工具只做一小件事情。
還是基於上述的場景，突然需要統計一下 order.txt 中每個用戶購買的訂單數量，然後按照訂單數進行從大到小排序，這又該如何處理呢？
我們可以將 sort 和 uniq 兩個工具結合起來。uniq 命令一般用於檢查和刪除文件中重複出現的行，我們可以使用它來計算 order.txt 中用戶出現的次數。
$ sort -k 3 order.txt | uniq -f 3 -c # -f 表示按照第三列進行統計
1 o4 4 u1 2011-12
1 o1 1 u1 2011-9
2 o2 2 u2 2011-10
刪除 Markdown 文件中的超鏈接
另外一個場景是我編輯文章時遇到的，當時 markdown 格式的文檔中有很多超鏈接，也就是[描述](鏈接)格式，希望全部把超鏈接去掉，也就是去掉方括弧、圓括弧和圓括弧中的內容。因為文檔中還有很多程式碼，包含很多圓括弧語句，所以必須先準確超鏈接格式，然後再進行替換。
這裡，我們可以使用 sed 命令。sed 的全名叫 stream editor 流編輯器，可以使用程式的方式來編輯文本。想要全面學習它的小夥伴可以閱讀 《SED 簡明教程》或 《sed 手冊》，我們這裡只介紹一下最基礎的功能，向大家展示使用它的可能性。使用 sed 一般要了解正則表達式，推薦《正則表達式30分鐘入門教程》。
sed 最簡單的使用方法就是替換文本。比如，我們要將上述的 order.txt 中的 u全部替換為user，則可以使用如下命令。
$ sed 's/u/user/g' order.txt # u是被替換的詞 user是替換詞
o1 1 user1 2011-9
o2 2 user2 2011-10
o3 3 user3 2011-10
o4 4 user1 2011-12
sed 還能輕易實現 sublime 或者 vscode 經常使用的多行游標編輯的功能。比如在 order.txt 的每行前頭前添加文字。
$ sed 's/^/#/g' order.txt # ^在正則表達式中表示一行開頭，所以表示是在行開頭上加上#字元
#o1 1 u1 2011-9
#o2 2 u2 2011-10
#o3 3 u3 2011-10
#o4 4 u1 2011-12
下面，我們直接來看如何將超鏈接格式轉換為純文本。
$ echo "[鏈接](////remcarpediem.net/)" | sed -E "s/\[(.*)]\(.*\)/\1/g"
鏈接
首先，識別[描述](鏈接) 格式的正則表達式是\[.*\]\(.*\)，其中 \[和\( 分別表示匹配文本的[和( 符號。. 表示任何單個字元，*表示某個字元出現了0次或多次， 二者組合 .* 則表示出現0次或者多次任何字元。綜上，上述正則表達的含義就是先出現一個[，再出現0次或者多次任意字元，在出現一個]，在出現一個(，在出現0次或者多次任意字元，最後出現一個)。
其次，我們希望用[描述]中的描述文本來替換整個超鏈接文本，所以需要先識別出方括弧中的內容，則需要將其用()單獨括起來，表示一個子表達式，也就是\[(.*)\]\(.*\)。
最後，sed 的 s///g 模式下，s 表示替換模式，g 表示匹配每一行有行首到行尾的所有字元，加 g 則一行有多個鏈接可以匹配處理，不加只能匹配第一個。\1代表第一個子表達式，也就是方括弧中的描述內容。
