Linux命令之文本处理（二）

Linux命令之文本处理（二）

cut命令
cut命令用来操作文件的列，可以视为列编辑器；与之对应是大多数的行“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，一个字符就占据一列，所以输出几列就是输出几个字符。
主要选项如下：

-c ： 指定要输出的列数，可以是单个数字，也可以是如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，因为一个英文字母就是一个字节（我觉得把英文改成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，即每行可以分为几个字段的那种。似乎很多命令都提供这种功能，比如sort，但是做的都很勉强，关键是它们对分隔符的识别太差了。在这方面，awk遥遥领先。
-f选项用来指定输出哪个字段，默认的分隔符是tab。其实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文件中名字和数字之间的分隔符并不是tab，而cut却正确识别了；然而，这种情况是不确定的，比如下例：

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，源码怎么写的？？？

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，这个选项只对不同字段之间有效。。。

uniq命令
可以检测出文本中重复的行，类似与sort中-u选项。

-d ： 只显示那些重复的行。

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 ： 在每行前面显示重复次数。

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

-i ： 忽略大小写。

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

主要的就是这几个选项了，其他的比如-s、-f等，试了几次不管用。