linux简单的文本处理

在《文件打包与解压缩》一节实验中提到 Windows/dos 与 Linux/UNIX 文本文件一些特殊字符不一致。
如断行符 Windows 为 CR+LF(\r\n)，Linux/UNIX 为 LF(\n)。使用 cat -A 文本 可以看到文本中包含的不可见特殊字符。Linux 的 \n 表现出来就是一个$，而Windows/dos的表现{为}^M$，可以直接使用 dos2unix 和 unix2dos 工具在两种格式之间进行转换，使用 file 命令可以查看文件的具体类型。
不过现在希望你在不使用上述两个转换工具的情况下，使用前面学过的命令手动完成 dos 文本格式到 UNIX 文本格式的转换。

1. 使用tr命令进行转换：

   tr -d '\r' < input_dos.txt > output_unix.txt
   

   • tr是一个用于字符替换或删除的命令，它的语法是tr [选项] 字符集1 字符集2。在这里，我们使用了-d选项来删除字符集1中的字符。
   • '\r'是一个表示回车符的特殊字符。在DOS文本中，每一行的结尾都是由回车符（CR，即\r）和换行符（LF，即\n）组成，而UNIX文本只使用换行符（\n）。
   • < input_dos.txt表示将输入文件input_dos.txt的内容重定向到tr命令的标准输入。也就是说，tr命令将从input_dos.txt读取数据进行处理。
   • > output_unix.txt表示将tr命令的标准输出重定向到文件output_unix.txt，因此，处理后的结果将被写入output_unix.txt。输出文件将具有UNIX文本格式，其中的回车符\r被删除了。

2. 使用sed命令进行转换：

   sed -e 's/\r$//' < input_dos.txt > output_unix.txt
   

   • sed是一个用于处理文本流的流编辑器，它的基本工作原理是逐行读取输入文本，并根据提供的编辑指令进行处理。在这里，我们使用了替换指令。
   • -e选项表示在命令中提供编辑指令。
   • 's/\r$//'是替换指令的格式。s代表替换（substitute），\r$表示匹配行尾的回车符\r，而//表示替换为空字符串，即删除匹配到的回车符。
   • < input_dos.txt表示将输入文件input_dos.txt的内容重定向到sed命令的标准输入。sed命令将从input_dos.txt读取数据进行处理。
   • > output_unix.txt表示将sed命令的标准输出重定向到文件output_unix.txt，因此，处理后的结果将被写入output_unix.txt。输出文件将具有UNIX文本格式，其中的回车符\r被替换为空字符串，即删除了。

无论使用tr还是sed，这两个命令都可以将DOS文本格式转换为UNIX文本格式，具体取决于您更习惯使用哪种命令。