歡迎光臨
每天分享高質量文章
當前位置：知識星球 > 後端 > 正文

Linux 下 cut 命令的 4 個基礎實用的示例 | Linux 中國

2018-08-04 分類：後端 閱讀(286) 評論(0)

在本文中，我將解釋 linux 下 cut 命令的 4 個本質且實用的例子，有時這些例子將幫你節省很多時間。
— Sylvain Leroux


致謝
編譯自　|　
https://linuxhandbook.com/cut-command/ 
　作者　|　Sylvain Leroux
　譯者　|　Chang Liu (FSSlc) 共計翻譯：63 篇 貢獻時間：1283 天

cut 命令是用來從文字檔案中移除“某些列”的經典工具。在本文中的“一列”可以被定義為按照一行中位置區分的一系列字串或者位元組，或者是以某個分隔符為間隔的某些域。

先前我已經介紹了如何使用 AWK 命令[1]。在本文中，我將解釋 linux 下 cut 命令的 4 個本質且實用的例子，有時這些例子將幫你節省很多時間。

Linux 下 cut 命令的 4 個實用示例

假如你想，你可以觀看下麵的影片，影片中解釋了本文中我列舉的 cut 命令的使用例子。

◈ https://www.youtube.com/PhE_cFLzVFw

1、 作用在一系列字元上

當啟用 -c 命令列選項時，cut 命令將移除一系列字元。

和其他的過濾器類似， cut 命令不會直接改變輸入的檔案，它將複製已修改的資料到它的標準輸出裡去。你可以透過重定向命令的結果到一個檔案中來儲存修改後的結果，或者使用管道將結果送到另一個命令的輸入中，這些都由你來負責。

假如你已經下載了上面影片中的示例測試檔案[3]，你將看到一個名為 BALANCE.txt 的資料檔案，這些資料是直接從我妻子在她工作中使用的某款會計軟體中匯出的：

  1. sh$ head BALANCE.txt
  2. ACCDOC    ACCDOCDATE    ACCOUNTNUM ACCOUNTLIB              ACCDOCLIB                        DEBIT          CREDIT
  3. 4         1012017       623477     TIDE SCHEDULE           ALNEENRE-4701-LOC                00000001615,00
  4. 4         1012017       445452     VAT BS/ENC              ALNEENRE-4701-LOC                00000000323,00
  5. 4         1012017       4356       PAYABLES                ALNEENRE-4701-LOC                               00000001938,00
  6. 5         1012017       623372     ACCOMODATION GUIDE      ALNEENRE-4771-LOC                00000001333,00
  7. 5         1012017       445452     VAT BS/ENC              ALNEENRE-4771-LOC                00000000266,60
  8. 5         1012017       4356       PAYABLES                ALNEENRE-4771-LOC                               00000001599,60
  9. 6         1012017       4356       PAYABLES                FACT FA00006253 - BIT QUIROBEN                  00000001837,20
  10. 6         1012017       445452     VAT BS/ENC              FACT FA00006253 - BIT QUIROBEN   00000000306,20
  11. 6         1012017       623795     TOURIST GUIDE BOOK      FACT FA00006253 - BIT QUIROBEN   00000001531,00

上述檔案是一個固定寬度的文字檔案，因為對於每一項資料，都使用了不定長的空格做填充，使得它看起來是一個對齊的串列。

這樣一來，每一列資料開始和結束的位置都是一致的。從 cut 命令的字面意思去理解會給我們帶來一個小陷阱：cut 命令實際上需要你指出你想保留的資料範圍，而不是你想移除的範圍。所以，假如我只需要上面檔案中的 ACCOUNTNUM 和 ACCOUNTLIB 列，我需要這麼做：

  1. sh$ cut -c 25-59 BALANCE.txt | head
  2. ACCOUNTNUM ACCOUNTLIB
  3. 623477     TIDE SCHEDULE
  4. 445452     VAT BS/ENC
  5. 4356       /accountPAYABLES
  6. 623372     ACCOMODATION GUIDE
  7. 445452     VAT BS/ENC
  8. 4356       PAYABLES
  9. 4356       PAYABLES
  10. 445452     VAT BS/ENC
  11. 623795     TOURIST GUIDE BOOK

範圍如何定義？

正如我們上面看到的那樣， cut 命令需要我們特別指定需要保留的資料的範圍。所以，下麵我將更正式地介紹如何定義範圍：對於 cut 命令來說，範圍是由連字元(-)分隔的起始和結束位置組成，範圍是基於 1 計數的，即每行的第一項是從 1 開始計數的，而不是從 0 開始。範圍是一個閉區間，開始和結束位置都將包含在結果之中，正如它們之間的所有字元那樣。如果範圍中的結束位置比起始位置小，則這種運算式是錯誤的。作為快捷方式，你可以省略起始或結束值，正如下麵的表格所示：

< 如顯示不全，請左右滑動 >
範圍 含義
a-b a 和 b 之間的範圍（閉區間）
a 與範圍 a-a 等價
-b 與範圍 1-a 等價
b- 與範圍 b-∞ 等價

cut 命令允許你透過逗號分隔多個範圍，下麵是一些示例：

  1. # 保留 1 到 24 之間（閉區間）的字元
  2. cut -c -24 BALANCE.txt
  4. # 保留 1 到 24（閉區間）以及 36 到 59（閉區間）之間的字元
  5. cut -c -24,36-59 BALANCE.txt
  7. # 保留 1 到 24（閉區間）、36 到 59（閉區間）和 93 到該行末尾之間的字元
  8. cut -c -24,36-59,93- BALANCE.txt

cut 命令的一個限制（或者是特性，取決於你如何看待它）是它將 不會對資料進行重排。所以下麵的命令和先前的命令將產生相同的結果，儘管範圍的順序做了改變：

  1. cut -c 93-,-24,36-59 BALANCE.txt

你可以輕易地使用 diff 命令來驗證：

  1. diff -s cut -c -24,36-59,93- BALANCE.txt) \
  2.               cut -c 93-,-24,36-59 BALANCE.txt)
  3. Files /dev/fd/63 and /dev/fd/62 are identical

類似的，cut 命令 不會重覆資料：

  1. # 某人或許期待這可以第一列三次，但並不會……
  2. cut -c -10,-10,-10 BALANCE.txt | head -5
  3. ACCDOC
  4. 4
  5. 4
  6. 4
  7. 5

值得提及的是，曾經有一個提議，建議使用 -o 選項來去除上面提到的兩個限制，使得 cut工具可以重排或者重覆資料。但這個提議被 POSIX 委員會拒絕了[4]，“因為這類增強不屬於 IEEE P1003.2b 草案標準的範圍”。

據我所知，我還沒有見過哪個版本的 cut 程式實現了上面的提議，以此來作為擴充套件，假如你知道某些例外，請使用下麵的評論框分享給大家！

2、 作用在一系列位元組上

當使用 -b 命令列選項時，cut 命令將移除位元組範圍。

咋一看，使用字元範圍和使用位元組沒有什麼明顯的不同：

  1. sh$ diff -s cut -b -24,36-59,93- BALANCE.txt) \
  2.               cut -c -24,36-59,93- BALANCE.txt)
  3. Files /dev/fd/63 and /dev/fd/62 are identical

這是因為我們的示例資料檔案使用的是 US-ASCII 編碼[5]（字符集），使用 file -i 便可以正確地猜出來：

  1. sh$ file -i BALANCE.txt
  2. BALANCE.txt: text/plain; charset=us-ascii

在 US-ASCII 編碼中，字元和位元組是一一對應的。理論上，你只需要使用一個位元組就可以表示 256 個不同的字元（數字、字母、標點符號和某些符號等）。實際上，你能表達的字元數比 256 要更少一些，因為字元編碼中為某些特定值做了規定（例如 32 或 65 就是控制字元[6]）。即便我們能夠使用上述所有的位元組範圍，但對於儲存種類繁多的人類手寫符號來說，256 是遠遠不夠的。所以如今字元和位元組間的一一對應更像是某種例外，並且幾乎總是被無處不在的 UTF-8 多位元組編碼所取代。下麵讓我們看看如何來處理多位元組編碼的情形。

作用在多位元組編碼的字元上

正如我前面提到的那樣，示例資料檔案來源於我妻子使用的某款會計軟體。最近好像她升級了那個軟體，然後呢，匯出的文字就完全不同了，你可以試試和上面的資料檔案相比，找找它們之間的區別：

  1. sh$ head BALANCE-V2.txt
  2. ACCDOC    ACCDOCDATE    ACCOUNTNUM ACCOUNTLIB              ACCDOCLIB                        DEBIT          CREDIT
  3. 4         1012017       623477     TIDE SCHEDULE           ALNÉENRE-4701-LOC                00000001615,00
  4. 4         1012017       445452     VAT BS/ENC              ALNÉENRE-4701-LOC                00000000323,00
  5. 4         1012017       4356       PAYABLES                ALNÉENRE-4701-LOC                               00000001938,00
  6. 5         1012017       623372     ACCOMODATION GUIDE      ALNÉENRE-4771-LOC                00000001333,00
  7. 5         1012017       445452     VAT BS/ENC              ALNÉENRE-4771-LOC                00000000266,60
  8. 5         1012017       4356       PAYABLES                ALNÉENRE-4771-LOC                               00000001599,60
  9. 6         1012017       4356       PAYABLES                FACT FA00006253 - BIT QUIROBEN                  00000001837,20
  10. 6         1012017       445452     VAT BS/ENC              FACT FA00006253 - BIT QUIROBEN   00000000306,20
  11. 6         1012017       623795     TOURIST GUIDE BOOK      FACT FA00006253 - BIT QUIROBEN   00000001531,00

上面的標題欄或許能夠幫助你找到什麼被改變了，但無論你找到與否，現在讓我們看看上面的更改過後的結果：

  1. sh$ cut -c 93-,-24,36-59 BALANCE-V2.txt
  2. ACCDOC    ACCDOCDATE    ACCOUNTLIB              DEBIT          CREDIT
  3. 4         1012017       TIDE SCHEDULE            00000001615,00
  4. 4         1012017       VAT BS/ENC               00000000323,00
  5. 4         1012017       PAYABLES                                00000001938,00
  6. 5         1012017       ACCOMODATION GUIDE       00000001333,00
  7. 5         1012017       VAT BS/ENC               00000000266,60
  8. 5         1012017       PAYABLES                                00000001599,60
  9. 6         1012017       PAYABLES                               00000001837,20
  10. 6         1012017       VAT BS/ENC              00000000306,20
  11. 6         1012017       TOURIST GUIDE BOOK      00000001531,00
  12. 19        1012017       SEMINAR FEES            00000000080,00
  13. 19        1012017       PAYABLES                               00000000080,00
  14. 28        1012017       MAINTENANCE             00000000746,58
  15. 28        1012017       VAT BS/ENC              00000000149,32
  16. 28        1012017       PAYABLES                               00000000895,90
  17. 31        1012017       PAYABLES                                00000000240,00
  18. 31        1012017       VAT BS/DEBIT             00000000040,00
  19. 31        1012017       ADVERTISEMENTS           00000000200,00
  20. 32        1012017       WATER                   00000000202,20
  21. 32        1012017       VAT BS/DEBIT            00000000020,22
  22. 32        1012017       WATER                   00000000170,24
  23. 32        1012017       VAT BS/DEBIT            00000000009,37
  24. 32        1012017       PAYABLES                               00000000402,03
  25. 34        1012017       RENTAL COSTS            00000000018,00
  26. 34        1012017       PAYABLES                               00000000018,00
  27. 35        1012017       MISCELLANEOUS CHARGES   00000000015,00
  28. 35        1012017       VAT BS/DEBIT            00000000003,00
  29. 35        1012017       PAYABLES                               00000000018,00
  30. 36        1012017       LANDLINE TELEPHONE        00000000069,14
  31. 36        1012017       VAT BS/ENC                00000000013,83

我毫無刪減地複製了上面命令的輸出。所以可以很明顯地看出列對齊那裡有些問題。

對此我的解釋是原來的資料檔案只包含 US-ASCII 編碼的字元（符號、標點符號、數字和沒有發音符號的拉丁字母）。

但假如你仔細地檢視經軟體升級後產生的檔案，你可以看到新匯出的資料檔案保留了帶發音符號的字母。例如現在合理地記錄了名為 “ALNÉENRE” 的公司，而不是先前的 “ALNEENRE”（沒有發音符號）。

file -i 正確地識別出了改變，因為它報告道現在這個檔案是 UTF-8 編碼[7] 的。

  1. sh$ file -i BALANCE-V2.txt
  2. BALANCE-V2.txt: text/plain; charset=utf-8

如果想看看 UTF-8 檔案中那些帶發音符號的字母是如何編碼的，我們可以使用 [hexdump][12]，它可以讓我們直接以位元組形式檢視檔案：

  1. # 為了減少輸出，讓我們只關註檔案的第 2 行
  2. sh$ sed '2!d' BALANCE-V2.txt
  3. 4         1012017       623477     TIDE SCHEDULE           ALNÉENRE-4701-LOC                00000001615,00
  4. sh$ sed '2!d' BALANCE-V2.txt  | hexdump -C
  5. 00000000  34 20 20 20 20 20 20 20  20 20 31 30 31 32 30 31  |4         101201|
  6. 00000010  37 20 20 20 20 20 20 20  36 32 33 34 37 37 20 20  |7       623477  |
  7. 00000020  20 20 20 54 49 44 45 20  53 43 48 45 44 55 4c 45  |   TIDE SCHEDULE|
  8. 00000030  20 20 20 20 20 20 20 20  20 20 20 41 4c 4e c3 89  |           ALN..|
  9. 00000040  45 4e 52 45 2d 34 37 30  31 2d 4c 4f 43 20 20 20  |ENRE-4701-LOC   |
  10. 00000050  20 20 20 20 20 20 20 20  20 20 20 20 20 30 30 30  |             000|
  11. 00000060  30 30 30 30 31 36 31 35  2c 30 30 20 20 20 20 20  |00001615,00     |
  12. 00000070  20 20 20 20 20 20 20 20  20 20 20 0a              |           .|
  13. 0000007c

在 hexdump  輸出的 00000030 那行，在一系列的空格（位元組 20）之後，你可以看到：

◈ 字母 A 被編碼為 41，
◈ 字母 L 被編碼為 4c，
◈ 字母 N 被編碼為 4e。

但對於大寫的帶有註音的拉丁大寫字母 E[8] （這是它在 Unicode 標準中字母 É 的官方名稱），則是使用 2 個位元組 c3 89 來編碼的。

這樣便出現問題了：對於使用固定寬度編碼的檔案， 使用位元組位置來表示範圍的 cut 命令工作良好，但這並不適用於使用變長編碼的 UTF-8 或者 Shift JIS[9] 編碼。這種情況在下麵的 POSIX 標準的非規範性摘錄[10] 中被明確地解釋過：

先前版本的 cut 程式將位元組和字元視作等同的環境下運作（正如在某些實現下對退格鍵  和製表鍵  的處理）。在針對多位元組字元的情況下，特別增加了 -b 選項。

嘿，等一下！我並沒有在上面“有錯誤”的例子中使用 '-b' 選項，而是 -c 選項呀！所以，難道不應該能夠成功處理了嗎！？

是的，確實應該：但是很不幸，即便我們現在已身處 2018 年，GNU Coreutils 的版本為 8.30 了，cut 程式的 GNU 版本實現仍然不能很好地處理多位元組字元。取用 GNU 檔案[11] 的話說，-c 選項“現在和 -b 選項是相同的，但對於國際化的情形將有所不同[...]”。需要提及的是，這個問題距今已有 10 年之久了！

另一方面，OpenBSD[12] 的實現版本和 POSIX 相吻合，這將歸功於當前的本地化（locale）設定來合理地處理多位元組字元：

  1. # 確保隨後的命令知曉我們現在處理的是 UTF-8 編碼的文字檔案
  2. openbsd-6.3$ export LC_CTYPE=en_US.UTF-8
  4. # 使用 `-c` 選項， `cut` 能夠合理地處理多位元組字元
  5. openbsd-6.3$ cut -c -24,36-59,93- BALANCE-V2.txt
  6. ACCDOC    ACCDOCDATE    ACCOUNTLIB              DEBIT          CREDIT
  7. 4         1012017       TIDE SCHEDULE           00000001615,00
  8. 4         1012017       VAT BS/ENC              00000000323,00
  9. 4         1012017       PAYABLES                               00000001938,00
  10. 5         1012017       ACCOMODATION GUIDE      00000001333,00
  11. 5         1012017       VAT BS/ENC              00000000266,60
  12. 5         1012017       PAYABLES                               00000001599,60
  13. 6         1012017       PAYABLES                               00000001837,20
  14. 6         1012017       VAT BS/ENC              00000000306,20
  15. 6         1012017       TOURIST GUIDE BOOK      00000001531,00
  16. 19        1012017       SEMINAR FEES            00000000080,00
  17. 19        1012017       PAYABLES                               00000000080,00
  18. 28        1012017       MAINTENANCE             00000000746,58
  19. 28        1012017       VAT BS/ENC              00000000149,32
  20. 28        1012017       PAYABLES                               00000000895,90
  21. 31        1012017       PAYABLES                               00000000240,00
  22. 31        1012017       VAT BS/DEBIT            00000000040,00
  23. 31        1012017       ADVERTISEMENTS          00000000200,00
  24. 32        1012017       WATER                   00000000202,20
  25. 32        1012017       VAT BS/DEBIT            00000000020,22
  26. 32        1012017       WATER                   00000000170,24
  27. 32        1012017       VAT BS/DEBIT            00000000009,37
  28. 32        1012017       PAYABLES                               00000000402,03
  29. 34        1012017       RENTAL COSTS            00000000018,00
  30. 34        1012017       PAYABLES                               00000000018,00
  31. 35        1012017       MISCELLANEOUS CHARGES   00000000015,00
  32. 35        1012017       VAT BS/DEBIT            00000000003,00
  33. 35        1012017       PAYABLES                               00000000018,00
  34. 36        1012017       LANDLINE TELEPHONE      00000000069,14
  35. 36        1012017       VAT BS/ENC              00000000013,83

正如期望的那樣，當使用 -b 選項而不是 -c 選項後， OpenBSD 版本的 cut 實現和傳統的 cut 表現是類似的：

  1. openbsd-6.3$ cut -b -24,36-59,93- BALANCE-V2.txt
  2. ACCDOC    ACCDOCDATE    ACCOUNTLIB              DEBIT          CREDIT
  3. 4         1012017       TIDE SCHEDULE            00000001615,00
  4. 4         1012017       VAT BS/ENC               00000000323,00
  5. 4         1012017       PAYABLES                                00000001938,00
  6. 5         1012017       ACCOMODATION GUIDE       00000001333,00
  7. 5         1012017       VAT BS/ENC               00000000266,60
  8. 5         1012017       PAYABLES                                00000001599,60
  9. 6         1012017       PAYABLES                               00000001837,20
  10. 6         1012017       VAT BS/ENC              00000000306,20
  11. 6         1012017       TOURIST GUIDE BOOK      00000001531,00
  12. 19        1012017       SEMINAR FEES            00000000080,00
  13. 19        1012017       PAYABLES                               00000000080,00
  14. 28        1012017       MAINTENANCE             00000000746,58
  15. 28        1012017       VAT BS/ENC              00000000149,32
  16. 28        1012017       PAYABLES                               00000000895,90
  17. 31        1012017       PAYABLES                                00000000240,00
  18. 31        1012017       VAT BS/DEBIT             00000000040,00
  19. 31        1012017       ADVERTISEMENTS           00000000200,00
  20. 32        1012017       WATER                   00000000202,20
  21. 32        1012017       VAT BS/DEBIT            00000000020,22
  22. 32        1012017       WATER                   00000000170,24
  23. 32        1012017       VAT BS/DEBIT            00000000009,37
  24. 32        1012017       PAYABLES                               00000000402,03
  25. 34        1012017       RENTAL COSTS            00000000018,00
  26. 34        1012017       PAYABLES                               00000000018,00
  27. 35        1012017       MISCELLANEOUS CHARGES   00000000015,00
  28. 35        1012017       VAT BS/DEBIT            00000000003,00
  29. 35        1012017       PAYABLES                               00000000018,00
  30. 36        1012017       LANDLINE TELEPHONE        00000000069,14
  31. 36        1012017       VAT BS/ENC                00000000013,83

3、 作用在域上

從某種意義上說，使用 cut 來處理用特定分隔符隔開的文字檔案要更加容易一些，因為只需要確定好每行中域之間的分隔符，然後複製域的內容到輸出就可以了，而不需要煩惱任何與編碼相關的問題。

下麵是一個用分隔符隔開的示例文字檔案：

  1. sh$ head BALANCE.csv
  2. ACCDOC;ACCDOCDATE;ACCOUNTNUM;ACCOUNTLIB;ACCDOCLIB;DEBIT;CREDIT
  3. 4;1012017;623477;TIDE SCHEDULE;ALNEENRE-4701-LOC;00000001615,00;
  4. 4;1012017;445452;VAT BS/ENC;ALNEENRE-4701-LOC;00000000323,00;
  5. 4;1012017;4356;PAYABLES;ALNEENRE-4701-LOC;;00000001938,00
  6. 5;1012017;623372;ACCOMODATION GUIDE;ALNEENRE-4771-LOC;00000001333,00;
  7. 5;1012017;445452;VAT BS/ENC;ALNEENRE-4771-LOC;00000000266,60;
  8. 5;1012017;4356;PAYABLES;ALNEENRE-4771-LOC;;00000001599,60
  9. 6;1012017;4356;PAYABLES;FACT FA00006253 - BIT QUIROBEN;;00000001837,20
  10. 6;1012017;445452;VAT BS/ENC;FACT FA00006253 - BIT QUIROBEN;00000000306,20;
  11. 6;1012017;623795;TOURIST GUIDE BOOK;FACT FA00006253 - BIT QUIROBEN;00000001531,00;

你可能知道上面檔案是一個 CSV[13] 格式的檔案（它以逗號來分隔），即便有時候域分隔符不是逗號。例如分號（;）也常被用來作為分隔符，並且對於那些總使用逗號作為 十進位制分隔符[14]的國家（例如法國，所以上面我的示例檔案中選用了他們國家的字元），當匯出資料為 “CSV” 格式時，預設將使用分號來分隔資料。另一種常見的情況是使用 tab 鍵[15] 來作為分隔符，從而生成叫做 tab 分隔的值[15] 的檔案。最後，在 Unix 和 Linux 領域，冒號 (:) 是另一種你能找到的常見分隔符號，例如在標準的 /etc/passwd 和 /etc/group 這兩個檔案裡。

當處理使用分隔符隔開的文字檔案格式時，你可以向帶有 -f 選項的 cut 命令提供需要保留的域的範圍，並且你也可以使用 -d 選項來指定分隔符（當沒有使用 -d 選項時，預設以 tab 字元來作為分隔符）：

  1. sh$ cut -f 5- -d';' BALANCE.csv | head
  2. ACCDOCLIB;DEBIT;CREDIT
  3. ALNEENRE-4701-LOC;00000001615,00;
  4. ALNEENRE-4701-LOC;00000000323,00;
  5. ALNEENRE-4701-LOC;;00000001938,00
  6. ALNEENRE-4771-LOC;00000001333,00;
  7. ALNEENRE-4771-LOC;00000000266,60;
  8. ALNEENRE-4771-LOC;;00000001599,60
  9. FACT FA00006253 - BIT QUIROBEN;;00000001837,20
  10. FACT FA00006253 - BIT QUIROBEN;00000000306,20;
  11. FACT FA00006253 - BIT QUIROBEN;00000001531,00;

處理不包含分隔符的行

但要是輸入檔案中的某些行沒有分隔符又該怎麼辦呢？很容易地認為可以將這樣的行視為只包含第一個域。但 cut 程式並 不是 這樣做的。

預設情況下，當使用 -f 選項時，cut 將總是原樣輸出不包含分隔符的那一行（可能假設它是非資料行，就像表頭或註釋等）：

  1. sh$ (echo "# 2018-03 BALANCE"; cat BALANCE.csv) > BALANCE-WITH-HEADER.csv
  3. sh$ cut -f 6,7 -d';' BALANCE-WITH-HEADER.csv | head -5
  4. # 2018-03 BALANCE
  5. DEBIT;CREDIT
  6. 00000001615,00;
  7. 00000000323,00;
  8. ;00000001938,00

使用 -s 選項，你可以做出相反的行為，這樣 cut 將總是忽略這些行：

  1. sh$ cut -s -f 6,7 -d';' BALANCE-WITH-HEADER.csv | head -5
  2. DEBIT;CREDIT
  3. 00000001615,00;
  4. 00000000323,00;
  5. ;00000001938,00
  6. 00000001333,00;

假如你好奇心強，你還可以探索這種特性，來作為一種相對隱晦的方式去保留那些只包含給定字元的行：

  1. # 保留含有一個 `e` 的行
  2. sh$ printf "%s\n" {mighty,bold,great}-{condor,monkey,bear} | cut -s -f 1- -d'e'

改變輸出的分隔符

作為一種擴充套件， GNU 版本實現的 cut 允許透過使用 --output-delimiter 選項來為結果指定一個不同的域分隔符：

  1. sh$ cut -f 5,6- -d';' --output-delimiter="*" BALANCE.csv | head
  2. ACCDOCLIB*DEBIT*CREDIT
  3. ALNEENRE-4701-LOC*00000001615,00*
  4. ALNEENRE-4701-LOC*00000000323,00*
  5. ALNEENRE-4701-LOC**00000001938,00
  6. ALNEENRE-4771-LOC*00000001333,00*
  7. ALNEENRE-4771-LOC*00000000266,60*
  8. ALNEENRE-4771-LOC**00000001599,60
  9. FACT FA00006253 - BIT QUIROBEN**00000001837,20
  10. FACT FA00006253 - BIT QUIROBEN*00000000306,20*
  11. FACT FA00006253 - BIT QUIROBEN*00000001531,00*

需要註意的是，在上面這個例子中，所有出現域分隔符的地方都被替換掉了，而不僅僅是那些在命令列中指定的作為域範圍邊界的分隔符。

4、 非 POSIX GNU 擴充套件

說到非 POSIX GNU 擴充套件，它們中的某些特別有用。特別需要提及的是下麵的擴充套件也同樣對位元組、字元或者域範圍工作良好（相對於當前的 GNU 實現來說）。

--complement：

想想在 sed 地址中的感嘆符號(!)，使用它，cut 將只儲存沒有被匹配到的範圍:

  1. # 只保留第 5 個域
  2. sh$ cut -f 5 -d';' BALANCE.csv |head -3
  3. ACCDOCLIB
  4. ALNEENRE-4701-LOC
  5. ALNEENRE-4701-LOC
  7. # 保留除了第 5 個域之外的內容
  8. sh$ cut --complement -f 5 -d';' BALANCE.csv |head -3
  9. ACCDOC;ACCDOCDATE;ACCOUNTNUM;ACCOUNTLIB;DEBIT;CREDIT
  10. 4;1012017;623477;TIDE SCHEDULE;00000001615,00;
  11. 4;1012017;445452;VAT BS/ENC;00000000323,00;

--zero-terminated (-z)：

使用 NUL 字元[16] 來作為行終止符，而不是 新行newline字元[17]。當你的資料包含 新行字元時， -z 選項就特別有用了，例如當處理檔案名的時候（因為在檔案名中新行字元是可以使用的，而 NUL 則不可以）。

為了展示 -z 選項，讓我們先做一點實驗。首先，我們將建立一個檔案名中包含換行符的檔案：

  1. bash$ touch $'EMPTY\nFILE\nWITH FUNKY\nNAME'.txt
  2. bash$ ls -1 *.txt
  3. BALANCE.txt
  4. BALANCE-V2.txt
  5. EMPTY?FILE?WITH FUNKY?NAME.txt

現在假設我想展示每個 *.txt 檔案的前 5 個字元。一個想當然的解決方法將會失敗：

  1. sh$ ls -1 *.txt | cut -c 1-5
  2. BALAN
  3. BALAN
  4. EMPTY
  5. FILE
  6. WITH
  7. NAME.

你可以已經知道 ls[18] 是為了方便人類使用[19]而特別設計的，並且在一個命令管道中使用它是一個反樣式（確實是這樣的）。所以讓我們用 find[20] 來替換它：

  1. sh$ find . -name '*.txt' -printf "%f\n" | cut -c 1-5
  2. BALAN
  3. EMPTY
  4. FILE
  5. WITH
  6. NAME.
  7. BALAN

上面的命令基本上產生了與先前類似的結果（儘管以不同的次序，因為 ls 會隱式地對檔案名做排序，而 find 則不會）。

在上面的兩個例子中，都有一個相同的問題，cut 命令不能區分 新行 字元是資料域的一部分（即檔案名），還是作為最後標記的 新行 記號。但使用 NUL 位元組（\0）來作為行終止符就將排除掉這種混淆的情況，使得我們最後可以得到期望的結果：

  1. # 我被告知在某些舊版的 `tr` 程式中需要使用 `\000` 而不是 `\0` 來代表 NUL 字元（假如你需要這種改變請讓我知曉！）
  2. sh$ find . -name '*.txt' -printf "%f\0" | cut -z -c 1-5| tr '\0' '\n'
  3. BALAN
  4. EMPTY
  5. BALAN

透過上面最後的例子，我們就達到了本文的最後部分了，所以我將讓你自己試試 -printf 後面那個有趣的 "%f\0" 引數或者理解為什麼我在管道的最後使用了 tr[21] 命令。

使用 cut 命令可以實現更多功能

我只是列舉了 cut 命令的最常見且在我眼中最基礎的使用方式。你甚至可以將它以更加實用的方式加以運用，這取決於你的邏輯和想象。

不要再猶豫了，請使用下麵的評論框貼出你的發現。最後一如既往的，假如你喜歡這篇文章，請不要忘記將它分享到你最喜愛網站和社交媒體中！

via: https://linuxhandbook.com/cut-command/

作者：Sylvain Leroux[23] 譯者：FSSlc 校對：wxy

本文由 LCTT 原創編譯，Linux中國 榮譽推出

贊(0)
標籤：

相關推薦

熱門標籤

iOS (11238)微軟 (4955)Linux (4274)安全 (4180)Python (4161)效能 (3165)運維 (2774)最佳化 (2419).NET (2262)Google (2136)機器學習 (1795)併發 (1613)分散式 (1559)叢集 (1240)SQL (1174)Mysql (1060)區塊鏈 (1017)Docker (977)微服務 (922)面試 (919)Apache (743)NLP (725)Redis (719)Android (668)Git (640)架構師 (632)Nginx (630)Facebook (599)JVM (595)爬蟲 (476)

熱門文章

分享創造快樂

© 2024 知識星球   網站地圖