linux之cut用法
cut是一个选取命令,就是将一段数据经过分析,取出我们想要的。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。
(1)其语法格式为:
cut [-bn] [file] 或 cut [-c] [file] 或 cut [-df] [file]
使用说明
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。
主要参数
-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。
(2)cut一般以什么为依据呢? 也就是说,我怎么告诉cut我想定位到的剪切内容呢?
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
实例文件内容如下:cat test.txt
RESULT=0 TIME=1406186343662 SPID=10112064 TASKID=10130283140 MDN=15021908725
RESULT=0 TIME=1406186332446 SPID=10112064 TASKID=10130283140 MDN=18502168850
RESULT=0 TIME=1406186328946 SPID=10112064 TASKID=10130283140 MDN=13564394647
RESULT=0 TIME=1406187007847 SPID=10112064 TASKID=10130283140 MDN=15026959871
RESULT=0 TIME=1406186960800 SPID=10112064 TASKID=10130283140 MDN=18621908972
RESULT=0 TIME=1406188223124 SPID=10112064 TASKID=10130283140 MDN=15900410565
RESULT=0 TIME=1406188237655 SPID=10112064 TASKID=10130283140 MDN=18621908972
RESULT=0 TIME=1406188545369 SPID=10112064 TASKID=10130283140 MDN=18621908972
(3)以字节定位
1.英文字符
cat test.txt |cut -b 1-5
RESUL
RESUL
....
2.汉字
汉字的字节大家都知道换算关系了吧,
GBK编码下,一个汉字占2个字节; UTF-8编码下,一个汉字占3个字节 UTF-8是一种国际通用的一种变长编码,ASCII对应的字符在UTF-8下占1个字符,西方文字(希腊文字)占2个字符,中文占用3个字节数,还有 平面符号占4个字节。
cat testch.txt
我 的 兴 趣 是
羽 毛 球 篮 球
cat testch.txt |cut -b 1-3(截取字节位置为1-3)
我
羽
cat testch.txt |cut -b 1-6
我 羽
cat testch.txt |cut -b 3-5,8(截取字节位置为3-5和第8个字节)
(4)字符定位截取
cat test.txt | cut -c 1-5
RESUL
RESUL
RESUL
cat testch.txt |cut -c 1-5
我 的 兴
羽 毛 球
(5)以区域定位
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!
以/etc/passwd的前五行内容为例:
[rocrocket@rocrocket programming]$ cat /etc/passwd|head -n 5
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
[rocrocket@rocrocket programming]$ cat /etc/passwd|head -n 5|cut -d : -f 1
root
bin
daemon
adm
lp
看到了吧,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,再按回车,所有的用户名就都列出来了!呵呵 有成就感吧!
当然,在设定-f时,也可以使用例如3-5或者4-类似的格式:
[rocrocket@rocrocket programming]$ cat /etc/passwd|head -n 5|cut -d : -f 1,3-5
root:0:0:root
bin:1:1:bin
cat test.txt |cut -f 3-4,5
SPID=10112064 TASKID=10130283140 MDN=15021908725
SPID=10112064 TASKID=10130283140 MDN=18502168850
SPID=10112064 TASKID=10130283140 MDN=13564394647
SPID=10112064 TASKID=10130283140 MDN=15026959871
SPID=10112064 TASKID=10130283140 MDN=18621908972
SPID=10112064 TASKID=10130283140 MDN=15900410565
SPID=10112064 TASKID=10130283140 MDN=18621908972
SPID=10112064 TASKID=10130283140 MDN=18621908972
顺带说说这些数据取出来后利用排序 sort 和去重复的操作 uniq吧
(7)去重复直接 uniq试试
cat test.txt |cut -f 3-4,5|uniq
SPID=10112064 TASKID=10130283140 MDN=15021908725
SPID=10112064 TASKID=10130283140 MDN=18502168850
SPID=10112064 TASKID=10130283140 MDN=13564394647
SPID=10112064 TASKID=10130283140 MDN=15026959871
SPID=10112064 TASKID=10130283140 MDN=18621908972
SPID=10112064 TASKID=10130283140 MDN=15900410565
SPID=10112064 TASKID=10130283140 MDN=18621908972
发现没有?MDN=18621908972这行数据明显还有重复的为什么没有去除呢?以上看出uniq去重复是去掉相邻行,那么怎么去重复呢?这时候先用sort排序下
再用uniq试试
cat test.txt |cut -f 3-4,5|sort|uniq
SPID=10112064 TASKID=10130283140 MDN=13564394647
SPID=10112064 TASKID=10130283140 MDN=15021908725
SPID=10112064 TASKID=10130283140 MDN=15026959871
SPID=10112064 TASKID=10130283140 MDN=15900410565
SPID=10112064 TASKID=10130283140 MDN=18502168850
SPID=10112064 TASKID=10130283140 MDN=18621908972
果然重复行取出来