[转帖]Linux字符截取命令-cut

概述

cut是一个选取命令，。一般来说，选取信息通常是针对“行”来进行分析的，并不是整篇信息分析的。

---

语法

cut  [-bn] [file]



1

或

cut [-c] [file]



1

或

 cut [-df] [file]



1

cut 命令从文件的每一行剪切字节、字符和字段并将这些字节、字符和字段写至标准输出。

如果不指定 File 参数，cut 命令将读取标准输入。

必须指定 -b、-c 或 -f 标志之一。

cut 默认以制表符为分隔符

---

参数说明

• -b ：以字节为单位进行分割。这些字节位置将忽略多字节字符边界，除非也指定了 -n 标志。
• -c ：以字符为单位进行分割。
• -d ：自定义分隔符，默认为制表符。
• -f ：与-d一起使用，指定显示哪个区域。
• -n ：取消分割多字节字符。仅和 -b 标志一起使用。如果字符的最后一个字节落在由 -b 标志的 List 参数指示的<br />范围之内，该字符将被写出；否则，该字符将被排除。

---

cut命令主要是接受三个定位方法：

• 第一，字节（bytes），用选项-b
• 第二，字符（characters），用选项-c
• 第三，域（fields），用选项-f

---

cut -b

[root@entel2 ~]# who
root     tty1         2016-08-22 06:47 (:0)
root     pts/2        2016-09-20 18:18 (10.45.35.59)
root     pts/0        2016-09-20 14:25 (10.45.22.82)



1
2
3
4

以下的cut截取都以上数据为准

提取每一行的第3个字节

[root@entel2 ~]# who | cut -b 4
t
t
t



1
2
3
4

提取第1，第2、第3个字节

[root@entel2 ~]# who|cut -b 1-3
roo
roo
roo

[root@entel2 ~]# who|cut -b 1,2,3

roo

roo

roo



1
2
3
4
5
6
7
8
9

-b支持形如1-3的写法，而且多个定位之间用逗号隔开就可以了。

注意：

cut命令如果使用了-b选项，那么执行此命令时，cut会先把-b后面所有的定位进行从小到大排序，然后再提取。不能颠倒定位的顺序。

其他：

-3表示从第一个字节到第三个字节， 而3-表示从第三个字节到行尾。如果你细心，你可以看到这两种情况下，都包括了第三个字节

---

如果执行who|cut -b -3,3-，你觉得会如何呢？答案是输出整行，不会出现连续两个重叠的第三个字节的

---

cut -b

[root@entel2 ~]# who|cut -c 1-3
roo
roo
roo



1
2
3
4

额 看着怎么和-b没有什么区别啊？莫非-b和-c作用一样?

其实不然，看似相同，只是因为这个例子举的不好，who输出的都是单字节字符，所以用-b和-c没有区别，如果提取中文，区别就看出来了来。

汉字本身是双字节的，cut –c把汉字“小”当成一个字符来处理，而cut –b是以字节来处理，把“小”拆成了两个字节，结果是字符被“切成两半”，因此无法正常显示。

栗子

[root@entel2 ~]# cat cut.txt
周杰伦
邓紫棋
薛之谦
李荣浩
小工匠



1
2
3
4
5
6

see ,出问题了吧

[root@entel2 ~]# cat cut.txt | cut -b 3
¨

[root@entel2 ~]#

[root@entel2 ~]#  cut -b 3 cut.txt 

¨

[root@entel2 ~]#



1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

换成 -c 来试试吧

[root@entel2 ~]# cut -c 3 cut.txt
伦
棋
谦
浩
匠



1
2
3
4
5
6

总结： -c则会以字符为单位，输出正常；而-b只会傻傻的以字节（8位二进制位）来计算，输出就是乱码。

---

提高：

当遇到多字节字符时，可以使用-n选项，-n用于告诉cut不要将多字节字符拆开。

[root@entel2 ~]# cat cut.txt |cut -b 2

°

[root@entel2 ~]# cat cut.txt |cut -nb 2

[root@entel2 ~]# cat cut.txt |cut -nb 1,2,3

周

邓

薛

李

小

[root@entel2 ~]#




1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

cut -f

为什么会有“域”的提取呢，因为刚才提到的-b和-c只能在固定格式的文档中提取信息，而对于非固定格式的信息则束手无策。

这时候“域”就派上用场了。如果你观察过/etc/passwd文件，你会发现，它并不像who的输出信息那样具有固定格式，而是比较零散的排放。

但是，冒号在这个文件的每一行中都起到了非常重要的作用，冒号用来隔开每一个项。

我们很幸运，cut命令提供了这样的提取方式，具体的说就是设置“间隔符”，再设置“提取第几个域”，就OK了！

栗子

数据：以/etc/passwd的前五行内容为例：

[root@entel2 ~]# head -n 5  /etc/passwd
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



1
2
3
4
5
6

提取用户名

[root@entel2 ~]# head -n 5  /etc/passwd|cut -d : -f 1
root
bin
daemon
adm
lp
[root@entel2 ~]#



1
2
3
4
5
6
7

用-d来设置间隔符为冒号，然后用-f来设置我要取的是第一个域。

当然，在设定-f时，也可以使用例如3-5或者4-类似的格式：

[root@entel2 ~]# 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



1
2
3
4
5
6

包含 3 和5 说在的field 。

遇到空格和制表符时，怎么分辨

tab制表符 直接 按 tab键即可打出

[root@entel2 ~]# sed -n l tablespace.txt
this is tab\tfinish.$
this is serveral space      finish.$



1
2
3

如果是制表符（TAB），那么会显示为\t符号，如果是空格，就会原样显示。
通过此方法即可以判断制表符和空格了。

上面sed -n后面的字符是L的小写字母，看清楚了撒

在cut -d中用什么符号来设定制表符或空格

cut的-d选项的默认间隔符就是制表符，所以当你就是要使用制表符的时候，完全就可以省略-d选项，而直接用－f来取域就可以了。

如果你设定一个空格为间隔符，那么就这样：

[root@entel2 ~]# cat tabspace.txt | cut -d ' ' -f 1
this
this
[root@entel2 ~]#



1
2
3
4

两个单引号之间必须要有一个空格，否则就输出全部内容了

而且，你只能在-d后面设置一个空格，可不许设置多个空格，因为cut只允许间隔符是一个字符。 多个空格报错如下…

[root@entel2 ~]# cat tabspace.txt | cut -d '  '  -f 1
cut: the delimiter must be a single character
Try `cut --help' for more information.
You have new mail in /var/spool/mail/root



1
2
3
4

---

cut的缺陷和不足

处理多空格…..

如果文件里面的某些域是由若干个空格来间隔的，那么用cut就有点麻烦了，因为cut只擅长处理“以一个字符间隔”的文本内容

文章知识点与官方知识档案匹配，可进一步学习相关知识

CS入门技能树Linux进阶新增用户33784 人正在系统学习中