首頁 > 軟體

Linux 下 cut 命令的 4 個基礎實用的範例

2020-06-16 16:49:02

cut 命令是用來從文字檔案中移除“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。

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 個實用範例

假如你想，你可以觀看下面的視訊，視訊中解釋了本文中我列舉的 cut 命令的使用例子。

 

1、 作用在一系列字元上

當啟用 -c 命令列選項時，cut 命令將移除一系列字元。

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裡去。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訊中的範例測試檔案，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. 41012017623477 TIDE SCHEDULE ALNEENRE-4701-LOC 00000001615,00
  4. 41012017445452 VAT BS/ENC ALNEENRE-4701-LOC 00000000323,00
  5. 410120174356 PAYABLES ALNEENRE-4701-LOC 00000001938,00
  6. 51012017623372 ACCOMODATION GUIDE ALNEENRE-4771-LOC 00000001333,00
  7. 51012017445452 VAT BS/ENC ALNEENRE-4771-LOC 00000000266,60
  8. 510120174356 PAYABLES ALNEENRE-4771-LOC 00000001599,60
  9. 610120174356 PAYABLES FACT FA00006253 - BIT QUIROBEN 00000001837,20
  10. 61012017445452 VAT BS/ENC FACT FA00006253 - BIT QUIROBEN 00000000306,20
  11. 61012017623795 TOURIST GUIDE BOOK FACT FA00006253 - BIT QUIROBEN 00000001531,00

上述檔案是一個固定寬度的文字檔案，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列表。

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，假如我只需要上面檔案中的 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，下面我將更正式地介紹如何定義範圍：對於 cut 命令來說，範圍是由連字元(-)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元那樣。如果範圍中的結束位置比起始位置小，則這種表示式是錯誤的。作為快捷方式，你可以省略起始或結束值，正如下面的表格所示：

< 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，下面是一些範例：

  1. #保留1到24之間（閉區間）的字元
  2. cut-c -24 BALANCE.txt
  3. #保留1到24（閉區間）以及36到59（閉區間）之間的字元
  4. cut-c -24,36-59 BALANCE.txt
  5. #保留1到24（閉區間）、36到59（閉區間）和93到該行末尾之間的字元
  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。所以下面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/63and/dev/fd/62 are identical

類似的，cut 命令 不會重複資料：

  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複資料。但這個提議被 POSIX 委員會拒絕了，“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，以此來作為擴充套件，假如你知道某些例外，請使用下面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，使用字元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/63and/dev/fd/62 are identical

這是因為我們的範例資料檔案使用的是 US-ASCII 編碼（字元集），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，字元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 個不同的字元（數位、字母、標點符號和某些符號等）。實際上，你能表達的字元數比 256 要更少一些，因為字元編碼中為某些特定值做了規定（例如 32 或 65 就是控制字元）。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。所以如今字元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。下面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元上

正如我前面提到的那樣，範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，匯出的文字就完全不同了，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. 41012017623477 TIDE SCHEDULE ALNÉENRE-4701-LOC 00000001615,00
  4. 41012017445452 VAT BS/ENC ALNÉENRE-4701-LOC 00000000323,00
  5. 410120174356 PAYABLES ALNÉENRE-4701-LOC 00000001938,00
  6. 51012017623372 ACCOMODATION GUIDE ALNÉENRE-4771-LOC 00000001333,00
  7. 51012017445452 VAT BS/ENC ALNÉENRE-4771-LOC 00000000266,60
  8. 510120174356 PAYABLES ALNÉENRE-4771-LOC 00000001599,60
  9. 610120174356 PAYABLES FACT FA00006253 - BIT QUIROBEN 00000001837,20
  10. 61012017445452 VAT BS/ENC FACT FA00006253 - BIT QUIROBEN 00000000306,20
  11. 61012017623795 TOURIST GUIDE BOOK FACT FA00006253 - BIT QUIROBEN 00000001531,00

上面的標題列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. 41012017 TIDE SCHEDULE 00000001615,00
  4. 41012017 VAT BS/ENC 00000000323,00
  5. 41012017 PAYABLES 00000001938,00
  6. 51012017 ACCOMODATION GUIDE 00000001333,00
  7. 51012017 VAT BS/ENC 00000000266,60
  8. 51012017 PAYABLES 00000001599,60
  9. 61012017 PAYABLES 00000001837,20
  10. 61012017 VAT BS/ENC 00000000306,20
  11. 61012017 TOURIST GUIDE BOOK 00000001531,00
  12. 191012017 SEMINAR FEES 00000000080,00
  13. 191012017 PAYABLES 00000000080,00
  14. 281012017 MAINTENANCE 00000000746,58
  15. 281012017 VAT BS/ENC 00000000149,32
  16. 281012017 PAYABLES 00000000895,90
  17. 311012017 PAYABLES 00000000240,00
  18. 311012017 VAT BS/DEBIT 00000000040,00
  19. 311012017 ADVERTISEMENTS 00000000200,00
  20. 321012017 WATER 00000000202,20
  21. 321012017 VAT BS/DEBIT 00000000020,22
  22. 321012017 WATER 00000000170,24
  23. 321012017 VAT BS/DEBIT 00000000009,37
  24. 321012017 PAYABLES 00000000402,03
  25. 341012017 RENTAL COSTS 00000000018,00
  26. 341012017 PAYABLES 00000000018,00
  27. 351012017 MISCELLANEOUS CHARGES 00000000015,00
  28. 351012017 VAT BS/DEBIT 00000000003,00
  29. 351012017 PAYABLES 00000000018,00
  30. 361012017 LANDLINE TELEPHONE 00000000069,14
  31. 361012017 VAT BS/ENC 00000000013,83

我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 編碼的字元（符號、標點符號、數位和沒有發音符號的拉丁字母）。

但假如你仔細地檢視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 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檢視檔案：

  1. #為了減少輸出，讓我們只關注檔案的第2行
  2. sh$ sed'2!d' BALANCE-V2.txt
  3. 41012017623477 TIDE SCHEDULE ALNÉENRE-4701-LOC 00000001615,00
  4. sh$ sed'2!d' BALANCE-V2.txt |hexdump-C
  5. 0000000034202020202020202020313031323031|4101201|
  6. 0000001037202020202020203632333437372020|7623477|
  7. 0000002020202054494445205343484544554c45| TIDE SCHEDULE|
  8. 000000302020202020202020202020414c4e c3 89| ALN..|
  9. 00000040454e52452d343730312d4c4f43202020|ENRE-4701-LOC |
  10. 0000005020202020202020202020202020303030|000|
  11. 0000006030303030313631352c30302020202020|00001615,00|
  12. 0000007020202020202020202020200a|.|
  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。

但對於大寫的帶有注音的拉丁大寫字母 E （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 編碼。這種情況在下面的 POSIX 標準的非規範性摘錄 中被明確地解釋過：

先前版本的 cut 程式將位元組和字元視作等同的環境下運作（正如在某些實現下對退格鍵 <backspace> 和製表鍵 <tab> 的處理）。在針對多位元組字元的情況下，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元。參照 GNU 文件 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 的實現版本和 POSIX 相吻合，這將歸功於當前的在地化（locale）設定來合理地處理多位元組字元：

  1. #確保隨後的命令知曉我們現在處理的是 UTF-8編碼的文字檔案
  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元
  4. openbsd-6.3$ cut-c -24,36-59,93- BALANCE-V2.txt
  5. ACCDOC ACCDOCDATE ACCOUNTLIB DEBIT CREDIT
  6. 41012017 TIDE SCHEDULE 00000001615,00
  7. 41012017 VAT BS/ENC 00000000323,00
  8. 41012017 PAYABLES 00000001938,00
  9. 51012017 ACCOMODATION GUIDE 00000001333,00
  10. 51012017 VAT BS/ENC 00000000266,60
  11. 51012017 PAYABLES 00000001599,60
  12. 61012017 PAYABLES 00000001837,20
  13. 61012017 VAT BS/ENC 00000000306,20
  14. 61012017 TOURIST GUIDE BOOK 00000001531,00
  15. 191012017 SEMINAR FEES 00000000080,00
  16. 191012017 PAYABLES 00000000080,00
  17. 281012017 MAINTENANCE 00000000746,58
  18. 281012017 VAT BS/ENC 00000000149,32
  19. 281012017 PAYABLES 00000000895,90
  20. 311012017 PAYABLES 00000000240,00
  21. 311012017 VAT BS/DEBIT 00000000040,00
  22. 311012017 ADVERTISEMENTS 00000000200,00
  23. 321012017 WATER 00000000202,20
  24. 321012017 VAT BS/DEBIT 00000000020,22
  25. 321012017 WATER 00000000170,24
  26. 321012017 VAT BS/DEBIT 00000000009,37
  27. 321012017 PAYABLES 00000000402,03
  28. 341012017 RENTAL COSTS 00000000018,00
  29. 341012017 PAYABLES 00000000018,00
  30. 351012017 MISCELLANEOUS CHARGES 00000000015,00
  31. 351012017 VAT BS/DEBIT 00000000003,00
  32. 351012017 PAYABLES 00000000018,00
  33. 361012017 LANDLINE TELEPHONE 00000000069,14
  34. 361012017 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. 41012017 TIDE SCHEDULE 00000001615,00
  4. 41012017 VAT BS/ENC 00000000323,00
  5. 41012017 PAYABLES 00000001938,00
  6. 51012017 ACCOMODATION GUIDE 00000001333,00
  7. 51012017 VAT BS/ENC 00000000266,60
  8. 51012017 PAYABLES 00000001599,60
  9. 61012017 PAYABLES 00000001837,20
  10. 61012017 VAT BS/ENC 00000000306,20
  11. 61012017 TOURIST GUIDE BOOK 00000001531,00
  12. 191012017 SEMINAR FEES 00000000080,00
  13. 191012017 PAYABLES 00000000080,00
  14. 281012017 MAINTENANCE 00000000746,58
  15. 281012017 VAT BS/ENC 00000000149,32
  16. 281012017 PAYABLES 00000000895,90
  17. 311012017 PAYABLES 00000000240,00
  18. 311012017 VAT BS/DEBIT 00000000040,00
  19. 311012017 ADVERTISEMENTS 00000000200,00
  20. 321012017 WATER 00000000202,20
  21. 321012017 VAT BS/DEBIT 00000000020,22
  22. 321012017 WATER 00000000170,24
  23. 321012017 VAT BS/DEBIT 00000000009,37
  24. 321012017 PAYABLES 00000000402,03
  25. 341012017 RENTAL COSTS 00000000018,00
  26. 341012017 PAYABLES 00000000018,00
  27. 351012017 MISCELLANEOUS CHARGES 00000000015,00
  28. 351012017 VAT BS/DEBIT 00000000003,00
  29. 351012017 PAYABLES 00000000018,00
  30. 361012017 LANDLINE TELEPHONE 00000000069,14
  31. 361012017 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字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。

下面是一個用分隔符隔開的範例文字檔案：

  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 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 十進位制分隔符的國家（例如法國，所以上面我的範例檔案中選用了他們國家的字元），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 來作為分隔符，從而生成叫做 tab 分隔的值 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 這兩個檔案裡。

當處理使用分隔符隔開的文字檔案格式時，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 字元來作為分隔符）：

  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，就像表頭或注釋等）：

  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元的行：

  1. #保留含有一個`e`的行
  2. sh$ printf"%sn"{mighty,bold,great}-{condor,monkey,bear}|cut-s -f 1--d'e'

 

改變輸出的分隔符

作為一種擴充套件， 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*

需要注意的是，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 擴充套件

說到非 POSIX GNU 擴充套件，它們中的某些特別有用。特別需要提及的是下面的擴充套件也同樣對位元組、字元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 字元 來作為行終止符，而不是 新行newline字元。當你的資料包含 新行字元時， -z 選項就特別有用了，例如當處理檔名的時候（因為在檔名中新行字元是可以使用的，而 NUL 則不可以）。

為了展示 -z 選項，讓我們先做一點實驗。首先，我們將建立一個檔名中包含換行符的檔案：

  1. bash$ touch $'EMPTYnFILEnWITH FUNKYnNAME'.txt
  2. bash$ 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 個字元。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 是為了方便人類使用而特別設計的，並且在一個命令管道中使用它是一個反模式（確實是這樣的）。所以讓我們用 find 來替換它：

  1. sh$ find.-name '*.txt'-printf"%fn"|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 字元是資料域的一部分（即檔名），還是作為最後標記的 新行 記號。但使用 NUL 位元組（）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`00`而不是``來代表 NUL 字元（假如你需要這種改變請讓我知曉！）
  2. sh$ find.-name '*.txt'-printf"%f"|cut-z -c 1-5|tr'''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" 引數或者理解為什麼我在管道的最後使用了 tr 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，請使用下面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 譯者：FSSlc 校對：wxy

本文由 LCTT 原創編譯，Linux中國 榮譽推出

Linux公社的RSS地址：https://www.linuxidc.com/rssFeed.aspx

本文永久更新連結地址：https://www.linuxidc.com/Linux/2018-08/153520.htm


相關文章
IT145.com E-mail:sddin#qq.com