歡迎光臨
每天分享高質量文章

Linux 下 cut 命令的 4 個基礎實用的示例 | Linux 中國

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 命令是用來從文本檔案中移除“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,你可以觀看下麵的視頻,視頻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、 作用在一系列字符上

當啟用 -c 命令列選項時,cut 命令將移除一系列字符。

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里去。你可以通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視頻中的示例測試檔案[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本檔案,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,範圍是由連字符(-)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符那樣。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 命令允許你通過逗號分隔多個範圍,下麵是一些示例:

  1. # 保留 1 24 之間(閉區間)的字符

  2. cut -c -24 BALANCE.txt

  3. # 保留 1 24(閉區間)以及 36 59(閉區間)之間的字符

  4. cut -c -24,36-59 BALANCE.txt

  5. # 保留 1 24(閉區間)、36 59(閉區間)和 93 到該行末尾之間的字符

  6. 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,以此來作為擴展,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,使用字符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,字符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 個不同的字符(數字、字母、標點符號和某些符號等)。實際上,你能表達的字符數比 256 要更少一些,因為字符編碼中為某些特定值做了規定(例如 32 或 65 就是控制字符[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。所以如今字符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符上

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,匯出的文本就完全不同了,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

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 編碼的字符(符號、標點符號、數字和沒有發音符號的拉丁字母)。

但假如你仔細地查看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查看檔案:

  1. # 為了減少輸出,讓我們只關註檔案的第 2

  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 程式將位元組和字符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)。在針對多位元組字符的情況下,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符。取用 GNU 文件[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符:

  1. # 確保隨後的命令知曉我們現在處理的是 UTF-8 編碼的文本檔案

  2. openbsd-6.3$ export LC_CTYPE=en_US.UTF-8

  3. # 使用 `-c` 選項, `cut` 能夠合理地處理多位元組字符

  4. openbsd-6.3$ cut -c -24,36-59,93- BALANCE-V2.txt

  5. ACCDOC    ACCDOCDATE    ACCOUNTLIB              DEBIT          CREDIT

  6. 4         1012017       TIDE SCHEDULE           00000001615,00

  7. 4         1012017       VAT BS/ENC              00000000323,00

  8. 4         1012017       PAYABLES                               00000001938,00

  9. 5         1012017       ACCOMODATION GUIDE      00000001333,00

  10. 5         1012017       VAT BS/ENC              00000000266,60

  11. 5         1012017       PAYABLES                               00000001599,60

  12. 6         1012017       PAYABLES                               00000001837,20

  13. 6         1012017       VAT BS/ENC              00000000306,20

  14. 6         1012017       TOURIST GUIDE BOOK      00000001531,00

  15. 19        1012017       SEMINAR FEES            00000000080,00

  16. 19        1012017       PAYABLES                               00000000080,00

  17. 28        1012017       MAINTENANCE             00000000746,58

  18. 28        1012017       VAT BS/ENC              00000000149,32

  19. 28        1012017       PAYABLES                               00000000895,90

  20. 31        1012017       PAYABLES                               00000000240,00

  21. 31        1012017       VAT BS/DEBIT            00000000040,00

  22. 31        1012017       ADVERTISEMENTS          00000000200,00

  23. 32        1012017       WATER                   00000000202,20

  24. 32        1012017       VAT BS/DEBIT            00000000020,22

  25. 32        1012017       WATER                   00000000170,24

  26. 32        1012017       VAT BS/DEBIT            00000000009,37

  27. 32        1012017       PAYABLES                               00000000402,03

  28. 34        1012017       RENTAL COSTS            00000000018,00

  29. 34        1012017       PAYABLES                               00000000018,00

  30. 35        1012017       MISCELLANEOUS CHARGES   00000000015,00

  31. 35        1012017       VAT BS/DEBIT            00000000003,00

  32. 35        1012017       PAYABLES                               00000000018,00

  33. 36        1012017       LANDLINE TELEPHONE      00000000069,14

  34. 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本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本檔案:

  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符),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 這兩個檔案里。

當處理使用分隔符隔開的文本檔案格式時,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 字符來作為分隔符):

  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

  2. sh$ cut -f 6,7 -d';' BALANCE-WITH-HEADER.csv | head -5

  3. # 2018-03 BALANCE

  4. DEBIT;CREDIT

  5. 00000001615,00;

  6. 00000000323,00;

  7. ;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符的行:

  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

作為一種擴展, GNU 版本實現的 cut 允許通過使用 --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 擴展

說到非 POSIX GNU 擴展,它們中的某些特別有用。特別需要提及的是下麵的擴展也同樣對位元組、字符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

  6. # 保留除了第 5 個域之外的內容

  7. sh$ cut --complement -f 5 -d';' BALANCE.csv |head -3

  8. ACCDOC;ACCDOCDATE;ACCOUNTNUM;ACCOUNTLIB;DEBIT;CREDIT

  9. 4;1012017;623477;TIDE SCHEDULE;00000001615,00;

  10. 4;1012017;445452;VAT BS/ENC;00000000323,00;

--zero-terminated (-z)

使用 NUL 字符[16] 來作為行終止符,而不是 新行newline字符[17]。當你的資料包含 新行字符時, -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符是可以使用的,而 NUL 則不可以)。

為了展示 -z 選項,讓我們先做一點實驗。首先,我們將創建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 個字符。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 字符是資料域的一部分(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 字符(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

通過上面最後的例子,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

赞(0)

分享創造快樂

© 2021 知識星球   网站地图