博客
关于我
shell编程之for循环
阅读量:576 次
发布时间:2019-03-11

本文共 1452 字,大约阅读时间需要 4 分钟。

for循环是一种运行前测试语句,也就是运行任何循环体之前先要判断循环条件是否成立,只有在条件成立的情况下才会运行循环体,否则将退出循环。

1.1 带列表的for循环
带列表的for循环用于执行一定次数的循环,其语法结构如下:

for VARIABLE in (list)do    commanddone

例如:

[root@node1 ~]# cat fruit.sh#!/bin/bashfor FRUIT in apple orange banana peardo    echo "$FRUIT is John's favorite"doneecho "No more favorite"[root@node1 ~]# sh fruit.shapple is John's favoriteorange is John's favoritebanana is John's favoritepear is John's favoriteNo more favorite

也可以将列表的内容换成变量,循环的时候读取变量的值;或者in后面的内容可以是任意命令的标准输出。例如:

[root@node1 ~]# cat sum.sh #!/bin/bashsum=0for VAR in `seq 1 100`do    let "sum+=VAR"doneecho "Ttal: $sum"[root@node1 ~]# sh sum.sh Ttal: 5050

1.2 不带列表的for循环

不带列表的for循环如下所示:

for VARIABLE in (list)do    commanddone

使用不带列表的for循环时,需要运行脚本时通过参数的方式给变量传值。例如:

[root@node1 ~]# cat sum.sh #!/bin/bashsum=0for VAR do    let "sum+=VAR"doneecho "Ttal: $sum"[root@node1 ~]# sh sum.sh 2 5 6Ttal: 13

1.3 类C的for循环

shell支持类C的for循环,语法结构如下:

for ((expression1;expression2;expression3))do    commanddone

expression1为初始化语句,用作变量的定义和初始化,可初始化多个变量,中间用逗号隔开;expression2为判断表达式;expression3修改变量的值,也可修改多个变量的值,中间用逗号隔开。

例如:

[root@node1 ~]# cat c_for.sh #!/bin/bashfor ((i=1,j=100;i<=10;i++,j--))do       echo "i=$i,j=$j"done[root@node1 ~]# sh c_for.sh i=1,j=100i=2,j=99i=3,j=98i=4,j=97i=5,j=96i=6,j=95i=7,j=94i=8,j=93i=9,j=92i=10,j=91

1.4 for的无限循环

无限循环又叫死循环,使用类C的for循环,只要保证expression2条件为真即可,会一直运行,直到按下Ctrl+C组合键

[root@node1 ~]# cat c_for1.sh #!/bin/bashfor ((i=0;i<1;i+=0))do       echo "i=$i"done

转载地址:http://bdtvz.baihongyu.com/

你可能感兴趣的文章
NiuShop开源商城系统 SQL注入漏洞复现
查看>>
NI笔试——大数加法
查看>>
NLog 自定义字段 写入 oracle
查看>>
NLog类库使用探索——详解配置
查看>>
NLP 基于kashgari和BERT实现中文命名实体识别(NER)
查看>>
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP、CV 很难入门?IBM 数据科学家带你梳理
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP入门(六)pyltp的介绍与使用
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>
NLP:从头开始的文本矢量化方法
查看>>