文件查找、文本及日志处理

找文件与找文本

find 遍历目录并按名称、类型或时间筛选路径，grep 搜索文件内容。find "$WORK" -type f -name '*.log' 找日志文件，名称模式必须引用，避免先被当前目录的 Shell 展开。grep -n 'ERROR' logfile 找包含字样的行并显示行号，行号是文件位置，不是发生时间；多文件输出应同时保留文件名。

grep -F 按固定文本匹配，grep -E 使用扩展正则。点号在正则中匹配任意字符，固定文本的点号则只有字面含义。大小写、编码和换行方式会影响结果，不应该看到没匹配就认定事件没发生。grep 返回零表示有匹配，一表示没有匹配，更大状态表示错误，脚本要按用途处理。

从日志逐步计算频次

示例有四行简化日志：INFO、ERROR、ERROR、WARN。awk 按空白切列，第二列是级别；sort 把相同级别放在一起，uniq -c 统计相邻重复，得到 ERROR 两次，其余各一次。uniq 本身只合并相邻相同行，省略 sort 时散布在文件中的相同级别不会被正确累计。

LC_ALL=C 固定排序规则，避免不同本地语言环境影响顺序。head 看前几行，tail 看后几行，tail -f 持续跟随日志，需要人工中断，不用于本章自动脚本。统计需说明只分析哪些文件和时间窗口，轮转日志重复或漏收可能造成频次误差。输出排序用 sort -k 指定列时，要考虑数值与文本排序差异。

awk 的字段与模式

awk 对每行执行模式与动作，$0 是整行，$1 是第一字段，NF 是字段数，NR 是总行号。示例 awk '$2=="ERROR" {print $1,$3}' 输出错误时间和描述。外层单引号让 Bash 不把美元变量解释成自己的位置参数，awk 才能拿到字段引用。双引号错误包裹 awk 脚本是初学者常见故障。

awk -F, 能处理不含嵌套引号的简单逗号文本，却不是真正的 CSV 解析器。CSV 中引号字段可包含逗号或换行，简单切分会错位；教学数据的复杂读写应使用 pandas 或 Python csv。日志格式不稳定时也应先定义解析规则与异常行计数，不能让工具忽略坏行后输出一个看似精确的数字。

安全处理路径与检查异常

文件名可能含空格或换行，批量处理宜用 find -print0 搭配支持空分隔的读取或 xargs -0，不使用 for f in $(find ...)。命令替换会发生词拆分，使一个文件变成多个参数。find -exec 程序 {} + 可以安全批量传递文件路径，操作前仍需确认遍历根目录。

本章只读自己生成的小日志，不访问系统日志或用户文件。结果检查既要核对错误行数，也要核对总行数与格式异常。对于大文件，逐行工具适合流式分析；若需要复杂连接、窗口或完整 CSV 语义，用数据库和 pandas。选择工具依据数据结构与问题，不是依据哪条命令最短。

执行环境与验证边界

本课程命令使用 GNU 工具和 Bash 语法。Windows PowerShell 中的变量、引号、重定向和程序解析与 Bash 并不相同；请在 WSL 的 Ubuntu 终端运行示例，不能把整段 Bash 直接粘贴进 PowerShell。Git Bash 可以运行部分命令，但进程、权限、用户和工具选项可能不同；在 Git Bash 上成功不能证明已经在 Ubuntu 上验证。安装 WSL 是读者的环境准备步骤，课程脚本不会替读者更改系统配置。

每个可运行示例从脚本自身位置确定课程根目录，并只在课程 outputs/linux 子目录或自己建立的临时目录操作。首次运行前先阅读脚本，辨认哪些语句读取、哪些写入、哪些清理。检查路径中有空格时是否仍能运行，检查失败后是否返回非零状态，检查重新运行是否得到同样的结果。对生产数据进行操作时不能照搬练习目录的删除命令，必须重新确认目标范围。

Linux 学习应关注输入、输出、错误输出和退出状态这四件事。标准输出用于数据，标准错误用于诊断，退出状态用于让上层脚本判断成功与否；三者不能互相替代。把手工执行过程写成小脚本后，再通过独立目录重复运行一次。遇到差异时记录操作系统、Bash 和工具版本，把环境限制和代码错误区分开，这比无条件写下“全部通过”更有用。

完整示例与实际输出

#!/usr/bin/env bash
set -euo pipefail
ROOT="$(cd -- "$(dirname -- "${BASH_SOURCE[0]}")/../.." && pwd)"
WORK="$ROOT/outputs/linux/linux-text"
mkdir -p -- "$WORK"
log_file="$WORK/sample.log"
printf '%s\n' '09:00 INFO started' '09:01 ERROR timeout' '09:02 ERROR retry' '09:03 WARN slow' > "$log_file"
LC_ALL=C; export LC_ALL
find "$WORK" -maxdepth 1 -type f -name '*.log' -print
grep -nF 'ERROR' "$log_file"
awk '{print $2}' "$log_file" | sort | uniq -c
awk '$2=="ERROR" {print $1,$3}' "$log_file"
test "$(grep -cF 'ERROR' "$log_file")" -eq 2

实际运行通过Git Bash/MSYS on Windows compatibility run; Ubuntu and remote behavior not verified.

/d/liuwei/求职/笔试/notes/data_skills_html/outputs/linux/linux-text/sample.log
2:09:01 ERROR timeout
3:09:02 ERROR retry
      2 ERROR
      1 INFO
      1 WARN
09:01 timeout
09:02 retry

五道自测：先回答，再核对

两项动手任务

官方资料与掌握状态

• GNU grep
• GNU awk
• GNU findutils

完成两项任务后，按独立完成程度记录。状态会尽量保存在当前浏览器，可导出备份。