linux cut命令[轉]

標籤：style   blog   http   color   使用   檔案   

cut是一個選取命令，就是將一段資料經過分析，取出我們想要的。一般來說，選取資訊通常是針對“行”來進行分析的，並不是整篇資訊分析的。

（1）其文法格式為：
cut  [-bn] [file] 或 cut [-c] [file]  或  cut [-df] [file]

使用說明
cut 命令從檔案的每一行剪下位元組、字元和欄位並將這些位元組、字元和欄位寫至標準輸出。
如果不指定 File 參數，cut 命令將讀取標準輸入。必須指定 -b、-c 或 -f 標誌之一。

主要參數
-b ：以位元組為單位進行分割。這些位元組位置將忽略多位元組字元邊界，除非也指定了 -n 標誌。
-c ：以字元為單位進行分割。
-d ：自訂分隔字元，預設為定位字元。
-f  ：與-d一起使用，指定顯示哪個地區。
-n ：取消分割多位元組字元。僅和 -b 標誌一起使用。如果字元的最後一個位元組落在由 -b 標誌的 List 參數指示的<br />範圍之內，該字元將被寫出；否則，該字元將被排除。

（2）cut一般以什麼為依據呢? 也就是說，我怎麼告訴cut我想定位到的剪下內容呢?

cut命令主要是接受三個定位方法：

第一，位元組（bytes），用選項-b

第二，字元（characters），用選項-c

第三，域（fields），用選項-f

（3）以“位元組”定位

舉個例子吧，當你執行ps命令時，會輸出類似如下的內容：

[[email protected] programming]$ who
rocrocket :0           2009-01-08 11:07
rocrocket pts/0        2009-01-08 11:23 (:0.0)
rocrocket pts/1        2009-01-08 14:15 (:0.0)
如果我們想提取每一行的第3個位元組，就這樣：

[[email protected] programming]$ who|cut -b 3
c
c
c

（4） 如果“位元組”定位中，我想提取第3，第4、第5和第8個位元組，怎麼辦?

-b支援形如3-5的寫法，而且多個定位之間用逗號隔開就成了。看看例子吧：

[[email protected] programming]$ who|cut -b 3-5,8
croe
croe
croe
但有一點要注意，cut命令如果使用了-b選項，那麼執行此命令時，cut會先把-b後面所有的定位進行從小到大排序，然後再提取。可不能顛倒定位的順序哦。這個例子就可以說明這個問題：

[[email protected] programming]$ who|cut -b 8,3-5
croe
croe
croe
（5） 還有哪些類似“3-5”這樣的小技巧，列舉一下吧!

[[email protected] programming]$ who
rocrocket :0           2009-01-08 11:07
rocrocket pts/0        2009-01-08 11:23 (:0.0)
rocrocket pts/1        2009-01-08 14:15 (:0.0)
[[email protected] programming]$ who|cut -b -3
roc
roc
roc
[[email protected] programming]$ who|cut -b 3-
crocket :0           2009-01-08 11:07
crocket pts/0        2009-01-08 11:23 (:0.0)
crocket pts/1        2009-01-08 14:15 (:0.0)
想必你也看到了，-3表示從第一個位元組到第三個位元組，而3-表示從第三個位元組到行尾。如果你細心，你可以看到這兩種情況下，都包括了第三個位元組“c”。
如果我執行who|cut -b -3,3-，你覺得會如何呢？答案是輸出整行，不會出現連續兩個重疊的c的。看：

[[email protected] programming]$ who|cut -b -3,3-
rocrocket :0           2009-01-08 11:07
rocrocket pts/0        2009-01-08 11:23 (:0.0)
rocrocket pts/1        2009-01-08 14:15 (:0.0)
（6）給個以字元為定位標誌的最簡單的例子吧!

下面例子你似曾相識，提取第3，第4，第5和第8個字元：

[[email protected] programming]$ who|cut -c 3-5,8
croe
croe
croe
不過，看著怎麼和-b沒有什麼區別啊？莫非-b和-c作用一樣? 其實不然，看似相同，只是因為這個例子舉的不好，who輸出的都是單位元組字元，所以用-b和-c沒有區別，如果你提取中文，區別就看出來了，來，看看中文提取的情況：

[[email protected] programming]$ cat cut_ch.txt
星期一
星期二
星期三
星期四
[[email protected] programming]$ cut -b 3 cut_ch.txt
?
?
?
?
[[email protected] programming]$ cut -c 3 cut_ch.txt
一
二
三
四
看到了吧，用-c則會以字元為單位，輸出正常；而-b只會傻傻的以位元組（8位二進位位）來計算，輸出就是亂碼。
既然提到了這個知識點，就再補充一句，如果你學有餘力，就提高一下。
當遇到多位元組字元時，可以使用-n選項，-n用於告訴cut不要將多位元組字元拆開。例子如下：

[[email protected] programming]$ cat cut_ch.txt |cut -b 2
?
?
?
?
[[email protected] programming]$ cat cut_ch.txt |cut -nb 2

[[email protected] programming]$ cat cut_ch.txt |cut -nb 1,2,3
星
星
星
星
（7）域是怎麼回事呢？解釋解釋:)

為什麼會有“域”的提取呢，因為剛才提到的-b和-c只能在固定格式的文檔中提取資訊，而對於非固定格式的資訊則束手無策。這時候“域”就派上用場了。如果你觀察過/etc/passwd檔案，你會發現，它並不像who的輸出資訊那樣具有固定格式，而是比較零散的排放。但是，冒號在這個檔案的每一行中都起到了非常重要的作用，冒號用來隔開每一個項。

我們很幸運，cut命令提供了這樣的提取方式，具體的說就是設定“間隔符”，再設定“提取第幾個域”，就OK了！

以/etc/passwd的前五行內容為例：

[[email protected] programming]$ cat /etc/passwd|head -n 5
root:x:0:0:root:/root:/bin/bash
bin:x:1:1:bin:/bin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin
adm:x:3:4:adm:/var/adm:/sbin/nologin
lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin
[[email protected] programming]$ cat /etc/passwd|head -n 5|cut -d : -f 1
root
bin
daemon
adm
lp
看到了吧，用-d來設定間隔符為冒號，然後用-f來設定我要取的是第一個域，再按斷行符號，所有的使用者名稱就都列出來了！呵呵 有成就感吧！
當然，在設定-f時，也可以使用例如3-5或者4-類似的格式：

[[email protected] programming]$ cat /etc/passwd|head -n 5|cut -d : -f 1,3-5
root:0:0:root
bin:1:1:bin
daemon:2:2:daemon
adm:3:4:adm
lp:4:7:lp
[[email protected] programming]$ cat /etc/passwd|head -n 5|cut -d : -f 1,3-5,7
root:0:0:root:/bin/bash
bin:1:1:bin:/sbin/nologin
daemon:2:2:daemon:/sbin/nologin
adm:3:4:adm:/sbin/nologin
lp:4:7:lp:/sbin/nologin
[[email protected] programming]$ cat /etc/passwd|head -n 5|cut -d : -f -2
root:x
bin:x
daemon:x
adm:x
lp:x
（8）如果遇到空格和定位字元時，怎麼分辨呢？我覺得有點亂，怎麼辦？

有時候定位字元確實很難辨認，有一個方法可以看出一段空格到底是由若干個空格組成的還是由一個定位字元組成的。

[[email protected] programming]$ cat tab_space.txt
this is tab finish.
this is several space      finish.
[[email protected] programming]$ sed -n l tab_space.txt
this is tab\tfinish.$
this is several space      finish.$
看到了吧，如果是定位字元（TAB），那麼會顯示為\t符號，如果是空格，就會原樣顯示。
通過此方法即可以判斷定位字元和空格了。
注意，上面sed -n後面的字元是L的小寫字母哦，不要看錯。

（9）我應該在cut -d中用什麼符號來設定製表符或空格呢?

其實cut的-d選項的預設間隔符就是定位字元，所以當你就是要使用定位字元的時候，完全就可以省略-d選項，而直接用－f來取域就可以了。

如果你設定一個空格為間隔符，那麼就這樣：

[[email protected] programming]$ cat tab_space.txt |cut -d ‘ ‘ -f 1
this
this
注意，兩個單引號之間可確實要有一個空格哦，不能偷懶。
而且，你只能在-d後面設定一個空格，可不許設定多個空格，因為cut只允許間隔符是一個字元。

[[email protected] programming]$ cat tab_space.txt |cut -d ‘ ‘ -f 1
cut: the delimiter must be a single character
Try `cut --help‘ for more information.

（10）cut有哪些缺陷和不足？

猜出來了吧？對，就是在處理多空格時。
如果檔案裡面的某些域是由若干個空格來間隔的，那麼用cut就有點麻煩了，因為cut只擅長處理“以一個字元間隔”的常值內容

 

轉自：http://www.cnblogs.com/dong008259/archive/2011/12/09/2282679.html