[转帖]Linux字符截取命令-cut

linux,字符,截取,命令,cut · 浏览次数 : 0

小编点评

**cut 命令概述** cut 命令是一种用于从文件中提取特定域或字符的命令。它通常用于处理文本文件,但也可以用于处理其他类型的文件,如二进制文件。 **主要选项:** * `-d`:设置字段分隔符,默认是空格。 * `-f`:设置要提取的域数量。 * `-r`:反转输出顺序。 * `-n`:只输出记录的索引,不输出记录本身。 * `-b`:设置行分隔符,默认是换行符。 * `-m`:设置行分隔符,默认是制表符。 **示例:** 以下示例说明如何使用 cut 命令从文件中提取所有域: ```bash $ cat /etc/passwd | cut -d : -f 1,3-5 root:0:0:rootbin:1:1:bindaemon:2:2:daemonadm:3:4:admlp:4:7:lp123456 ``` 该命令将从文件中提取所有域,并将它们输出到终端。 **其他用途:** 除了提取域外,cut 命令还可以用于以下其他用途: * 从文本文件中提取特定字符。 * 从二进制文件中提取特定数据。 * 处理文本文件,并将特定信息输出到另一个文件中。 **注意:** * cut 命令只能处理以一个字符间隔的文本内容。 * 如果你要使用制表符,请使用 `-m`オプション。 * 如果你要使用空格作为间隔符,请使用 `-d ' '`选项。

正文

概述

cut是一个选取命令,。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。


语法

cut  [-bn] [file] 
  • 1

cut [-c] [file]  
  • 1

 cut [-df] [file]
  • 1

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。

cut 默认以制表符为分隔符


参数说明

  • -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。

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

这里写图片描述


cut -b

[root@entel2 ~]# who
root     tty1         2016-08-22 06:47 (:0)
root     pts/2        2016-09-20 18:18 (10.45.35.59)
root     pts/0        2016-09-20 14:25 (10.45.22.82)
  • 1
  • 2
  • 3
  • 4

以下的cut截取都以上数据为准

提取每一行的第3个字节

[root@entel2 ~]# who | cut -b 4
t
t
t
  • 1
  • 2
  • 3
  • 4

提取第1,第2、第3个字节

[root@entel2 ~]# who|cut -b 1-3
roo
roo
roo

[root@entel2 ~]# who|cut -b 1,2,3
roo
roo
roo

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

-b支持形如1-3的写法,而且多个定位之间用逗号隔开就可以了。

注意:

cut命令如果使用了-b选项,那么执行此命令时,cut会先把-b后面所有的定位进行从小到大排序,然后再提取。不能颠倒定位的顺序。

其他:

-3表示从第一个字节到第三个字节, 而3-表示从第三个字节到行尾。如果你细心,你可以看到这两种情况下,都包括了第三个字节


如果执行who|cut -b -3,3-,你觉得会如何呢?答案是输出整行,不会出现连续两个重叠的第三个字节的


cut -b

[root@entel2 ~]# who|cut -c 1-3
roo
roo
roo
  • 1
  • 2
  • 3
  • 4

额 看着怎么和-b没有什么区别啊?莫非-b和-c作用一样?

其实不然,看似相同,只是因为这个例子举的不好,who输出的都是单字节字符,所以用-b和-c没有区别,如果提取中文,区别就看出来了来。

汉字本身是双字节的,cut –c把汉字“小”当成一个字符来处理,而cut –b是以字节来处理,把“小”拆成了两个字节,结果是字符被“切成两半”,因此无法正常显示。

栗子

[root@entel2 ~]# cat cut.txt 
周杰伦
邓紫棋
薛之谦
李荣浩
小工匠
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

see ,出问题了吧

[root@entel2 ~]# cat cut.txt | cut -b 3
¨

[root@entel2 ~]#

[root@entel2 ~]# cut -b 3 cut.txt
¨

[root@entel2 ~]#

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15

换成 -c 来试试吧

[root@entel2 ~]# cut -c 3 cut.txt 
伦
棋
谦
浩
匠
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

总结: -c则会以字符为单位,输出正常;而-b只会傻傻的以字节(8位二进制位)来计算,输出就是乱码。


提高:

当遇到多字节字符时,可以使用-n选项,-n用于告诉cut不要将多字节字符拆开。

[root@entel2 ~]# cat cut.txt |cut -b 2

°
[root@entel2 ~]# cat cut.txt |cut -nb 2

[root@entel2 ~]# cat cut.txt |cut -nb 1,2,3





[root@entel2 ~]#

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19

cut -f

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!

栗子

数据:以/etc/passwd的前五行内容为例:

[root@entel2 ~]# head -n 5  /etc/passwd
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
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

提取用户名

[root@entel2 ~]# head -n 5  /etc/passwd|cut -d : -f 1
root
bin
daemon
adm
lp
[root@entel2 ~]# 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7

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。

当然,在设定-f时,也可以使用例如3-5或者4-类似的格式:

[root@entel2 ~]# cat /etc/passwd | head -n 5 | cut -d : -f 1,3-5
root:0:0:root
bin:1:1:bin
daemon:2:2:daemon
adm:3:4:adm
lp:4:7:lp
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

包含 3 和5 说在的field 。

遇到空格和制表符时,怎么分辨

这里写图片描述

tab制表符 直接 按 tab键即可打出

[root@entel2 ~]# sed -n l tablespace.txt 
this is tab\tfinish.$
this is serveral space      finish.$
  • 1
  • 2
  • 3

如果是制表符(TAB),那么会显示为\t符号,如果是空格,就会原样显示。
通过此方法即可以判断制表符和空格了。

上面sed -n后面的字符是L的小写字母,看清楚了撒

在cut -d中用什么符号来设定制表符或空格

cut的-d选项的默认间隔符就是制表符,所以当你就是要使用制表符的时候,完全就可以省略-d选项,而直接用-f来取域就可以了。

如果你设定一个空格为间隔符,那么就这样:

[root@entel2 ~]# cat tabspace.txt | cut -d ' ' -f 1
this
this
[root@entel2 ~]# 
  • 1
  • 2
  • 3
  • 4

两个单引号之间必须要有一个空格,否则就输出全部内容了

而且,你只能在-d后面设置一个空格,可不许设置多个空格,因为cut只允许间隔符是一个字符。 多个空格报错如下…

[root@entel2 ~]# cat tabspace.txt | cut -d '  '  -f 1
cut: the delimiter must be a single character
Try `cut --help' for more information.
You have new mail in /var/spool/mail/root
  • 1
  • 2
  • 3
  • 4

cut的缺陷和不足

处理多空格…..

如果文件里面的某些域是由若干个空格来间隔的,那么用cut就有点麻烦了,因为cut只擅长处理“以一个字符间隔”的文本内容

文章知识点与官方知识档案匹配,可进一步学习相关知识
CS入门技能树Linux进阶新增用户33784 人正在系统学习中

与[转帖]Linux字符截取命令-cut相似的内容:

[转帖]Linux字符截取命令-cut

概述 cut是一个选取命令,。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。 语法 cut [-bn] [file] 1 或 cut [-c] [file] 1 或 cut [-df] [file]1 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

[转帖]修改Linux的默认字符编码

https://www.cnblogs.com/walkersss/p/16651139.html Windows的默认编码为GBK,Linux的默认编码为UTF-8。在Windows下编辑的中文,在Linux下显示为乱码。为了解决此问题,修改Linux的默认编码为GBK。方法如下:方法1:vi /

[转帖]Linux终端:用cat命令查看不可见字符

https://developer.aliyun.com/article/80607 printf 'testing\012\011\011testing\014\010\012more testing\012\011\000\013\000even more testing\012\011\011

[转帖]Linux命令之tr命令

一、命令介绍 tr 命令用于转换或删除文件中的字符。tr 指令从标准输入设备读取数据,执行转换(或者压缩、删除)处理,将结果输出到标准输出设备。 二、使用示例 0、示例文件 [root@test1 test]# cat 1.txt The string is used to describe the

[转帖]Linux Shell sort排序常用命令

https://www.jianshu.com/p/75c69236963f 1 sort的工作原理 sort将文件的每一行作为一个单位,相互比较,比较原则是从首字符向后,依次按ASCII码值进行比较,最后将他们按升序输出。 [rocrocket@rocrocket programming]$ ca

[转帖]Linux 学习笔记: shell中${} 的用法,删除&替换

Linux 学习笔记: shell中${} 的用法,删除&替换 字符串的删除 echo${i##*/} 删除 / 前的所有内容 ## 删除 tt=$i echo{tt:22} #取的22位以后的所有字符 file=/dir1/dir2/dir3/my.file.txt ${file#/}:删掉第一个

[转帖]Linux系统awk命令详解

AWK 是一种处理文本文件的语言,是一个强大的文本分析工具。 之所以叫 AWK 是因为其取了三位创始人 Alfred Aho,Peter Weinberger, 和 Brian Kernighan 的 Family Name 的首字符。 实际上 AWK 的确拥有自己的语言: AWK程序设计语言,三位

[转帖]linux块I/O总体概括

直接先上重点,linux中IO栈的完全图如下: 系统中能够随机访问固定大小数据片的硬件设备称作块设备。固定大小的数据片称为块。常见的块设备就是硬盘了。不能随机访问的就是字符设备了,管理块设备比字符设备要复杂很多。 块设备中最小的可寻址单元是扇区,一般是2的整数倍,最常见的是512字节。不过很多CD-

[转帖]shell脚本中$0 $1 $# $@ $* $? $ 的各种符号的意义

概述 shell中有两类字符,一类是普通字符,在Shell中除了本身的字面意思外没有其他特殊意义,即普通纯文本;另一类即元字符,是Shell的保留字符,在Shell中有着特殊的含义。 今天主要介绍一下shell中字符$的各种用法。 转义字符$ 在linux shell脚本中经常用到字符 ,下面是 ,

[转帖]shell脚本中$0 $1 $# $@ $* $? $ 的各种符号的意义

概述 shell中有两类字符,一类是普通字符,在Shell中除了本身的字面意思外没有其他特殊意义,即普通纯文本;另一类即元字符,是Shell的保留字符,在Shell中有着特殊的含义。 今天主要介绍一下shell中字符$的各种用法。 转义字符$ 在linux shell脚本中经常用到字符 ,下面是 ,