Linux命令之文本处理（二）

1. cut命令
   
   cut命令用来操作文件的列，能够视为列编辑器；与之相应是大多数的行“编辑器”。如sed、grep、sort等，它们操作文本时，以行为单位。
   
   cut的主要功能就是输出文本的某一列或几列。对于英文文本，一个字符就占领一列，所以输出几列就是输出几个字符。
   
   主要选项例如以下：

   • -c ： 指定要输出的列数，能够是单个数字，也能够是如3-5之类的范围。

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

   • -b ： 指定每行要输出的字节数。与-c选项基本一样，尤其对英文文本，由于一个英文字母就是一个字节（我认为把英文改成ASCII文本更合适）。

     m@meng:~$ cut -b 3 new
     p
     p
     a
     a
     n
     a

   • -f ： cut更强大的地方在于处理格式化的文本，即每行能够分为几个字段的那种。似乎非常多命令都提供这样的功能，比方sort，可是做的都非常勉强。关键是它们对分隔符的识别太差了。在这方面。awk遥遥率先。
     
     -f选项用来指定输出哪个字段。默认的分隔符是tab。

     事实上多个空格似乎也能识别。有时间我会专门研究一下分隔符的问题。

     m@meng:~$ cut -f 2 new
     3
     7
     6
     4
     1
     11

   实际上new文件里名字和数字之间的分隔符并非tab，而cut却正确识别了；然而，这样的情况是不确定的，比方下例：

   m@meng:/etc/network$ sudo netstat -apn | sed '3,6 p' -n | cut -f 1
   tcp        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 

   这么明显的分隔都没能识别，源代码怎么写的？？？

   • -d ： 指定分隔符。一般配合-f使用。分隔符一般仅仅能指定单个字符。
   • -s ： 仅输出包括分隔符的行。它会覆盖-f的一些功能，由于仅仅有-f时，会同一时候输出不包括分隔符的行；加上-s选项后，就会删除掉没有包括分隔符的行。
   • –output-delimiter=str ： 指定输出分隔符为str。

     默认与输入分隔符一致。

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

   显然，这个选项仅仅对不同字段之间有效。。。

2. uniq命令
   
   能够检測出文本中反复的行，相似与sort中-u选项。

   • -d ： 仅仅显示那些反复的行。

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

   • -c，–count ： 在每行前面显示反复次数。

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

   • -i ： 忽略大写和小写。

   • -u ： 仅输出不反复的行。
     

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

   基本的就是这几个选项了。其它的比方-s、-f等，试了几次无论用。