Shell工具——cut

cut 是一个用于在 Unix 和 Linux 系统中提取文本行中特定部分的命令行工具。它通常用于从文件或命令输出中提取列、字段或字符，特别是在处理由分隔符分割的文本数据时（例如CSV文件）。

基本语法

cut OPTION [FILE...]

其中，OPTION 是你用来指定提取方式的选项，FILE 是可选的参数，表示你想要处理的文件。如果不指定文件，cut 将会从标准输入读取数据。

常用选项

• -b (bytes)：提取指定的字节范围（适用于没有多字节字符的情况，如ASCII文本）。
• -c (characters)：提取指定的字符范围。
• -d (delimiter)：指定字段分隔符。默认是制表符 (\t)。
• -f (fields)：提取由分隔符分隔的字段（列）。
• --complement：提取除了指定范围之外的部分。
• -s (only-delimited)：当指定的分隔符不存在时，抑制输出该行。

示例

1. 提取固定字符范围

   提取文件file.txt中每行的第1到5个字符：

   cut -c 1-5 file.txt
   

2. 提取特定的字段

   假设有一个文件 data.txt 内容如下：

   apple,fruit,5
   banana,fruit,2
   carrot,vegetable,7
   

   提取文件中的第二列（字段），假设逗号（,）为分隔符：

   cut -d ',' -f 2 data.txt
   

   输出：

   fruit
   fruit
   vegetable
   

3. 提取多个字段

   提取文件中的第一和第三列：

   cut -d ',' -f 1,3 data.txt
   

   输出：

   apple,5
   banana,2
   carrot,7
   

4. 从标准输入中提取字段

   可以结合其他命令使用管道将输出传递给 cut 进行处理：

   echo "apple,fruit,5" | cut -d ',' -f 2

   输出：

   fruit
   

5. 使用字节提取

   如果你有一个文件包含每行一个字母序列，例如：

   ABCDEFGHIJKLMNOPQRSTUVWXYZ

   你可以使用字节提取：

   cut -b 1-5 file.txt
   

   这将提取每行的前5个字节。

注意事项

• cut 工具的 -b 和 -c 选项对多字节字符（例如UTF-8中的非ASCII字符）处理时可能会出现问题，因此在处理非ASCII文本时，使用 -f 选项结合合适的分隔符更为稳妥。
• cut 通常与其他命令组合使用，如 sort、uniq、grep 等，以便实现更复杂的数据处理任务。

cut 是一个功能强大但简单的工具，在数据处理、脚本编写中非常有用，特别是当你需要快速提取结构化文本中的特定信息时。