Linux命令之文本處理（二）

Linux命令之文本處理（二）

cut命令
cut命令用來操作檔案的列，可以視為列編輯器；與之對應是大多數的行“編輯器”，如sed、grep、sort等，它們操作文本時，以行為單位。
cut的主要功能就是輸出文本的某一列或幾列。對於英文文本，一個字元就佔據一列，所以輸出幾列就是輸出幾個字元。
主要選項如下：

-c ： 指定要輸出的列數，可以是單個數字，也可以是如3-5之類的範圍。

m@meng:~$ cat new apple   3Apple   7pear    6pear    4banana  1orange  11m@meng:~$ cut -c 1-6 new apple  Apple  pear    pear    bananaorange

-b ： 指定每行要輸出的位元組數，與-c選項基本一樣，尤其對英文文本，因為一個英文字母就是一個位元組（我覺得把英文改成ASCII文本更合適）。

m@meng:~$ cut -b 3 new ppaana

-f ： cut更強大的地方在於處理格式化的文本，即每行可以分為幾個欄位的那種。似乎很多命令都提供這種功能，比如sort，但是做的都很勉強，關鍵是它們對分隔字元的識別太差了。在這方面，awk遙遙領先。
-f選項用來指定輸出哪個欄位，預設的分隔字元是tab。其實多個空格似乎也能識別，有時間我會專門研究一下分隔字元的問題。

m@meng:~$ cut -f 2 new 3764111

實際上new檔案中名字和數字之間的分隔字元並不是tab，而cut卻正確識別了；然而，這種情況是不確定的，比如下例：

m@meng:/etc/network$ sudo netstat -apn | sed '3,6 p' -n | cut -f 1tcp 0 0 127.0.0.1:25 0.0.0.0:* LISTEN 2899/sendmail: MTA:tcp 0 0 127.0.0.1:953 0.0.0.0:* LISTEN 1192/named tcp 0 0 0.0.0.0:538 0.0.0.0:* LISTEN 1251/gdomap tcp 0 0 0.0.0.0:445 0.0.0.0:* LISTEN 672/smbd 

這麼明顯的分隔都沒能識別，源碼怎麼寫的？？？

-d ： 指定分隔字元，一般配合-f使用。分隔字元一般只能指定單個字元。 -s ： 僅輸出包含分隔字元的行。它會覆蓋-f的一些功能，因為只有-f時，會同時輸出不包含分隔字元的行；加上-s選項後，就會刪除掉沒有包含分隔字元的行。 –output-delimiter=str ： 指定輸出分隔字元為str。預設與輸入分隔字元一致。

m@meng:~$ cut --output-delimiter=: -f 1-2 new apple: 3Apple: 7pear: 6pear: 4banana: 1orange: 11m@meng:~$ cut --output-delimiter=: -c 1-4 new applApplpearpearbanaoran

顯然，這個選項只對不同欄位之間有效。。。

uniq命令
可以檢測出文本中重複的行，類似與sort中-u選項。

-d ： 只顯示那些重複的行。

m@meng:~$ cat new apple 3apple 3Apple 7pear 6pear 4banana 1orange 11m@meng:~$ uniq -d new apple 3

-c，–count ： 在每行前面顯示重複次數。

m@meng:~$ uniq -c new 2 apple 31 Apple 71 pear 61 pear 41 banana 11 orange 11

-i ： 忽略大小寫。

-u ： 僅輸出不重複的行。

m@meng:~$ uniq -u new Apple 7pear 6pear 4banana 1orange 11

主要的就是這幾個選項了，其他的比如-s、-f等，試了幾次不管用。