Linux下cut 命令的 4 个基础实用的示例

在本文中，我将解释 linux 下 cut 命令的 4 个本质且实用的例子，有时这些例子将帮你节省很多时间。

-- Sylvain Leroux

致谢

编译自　|

https://linuxhandbook.com/cut-command/

作者　|　Sylvain Leroux

译者　|　Chang Liu (FSSlc) 共计翻译：63篇 贡献时间：1283 天

命令是用来从文本文件中移除“某些列”的经典工具。在本文中的“一列”可以被定义为按照一行中位置区分的一系列字符串或者字节，或者是以某个分隔符为间隔的某些域。

先前我已经介绍了如何使用 AWK 命令

[1]

。在本文中，我将解释 linux 下 命令的 4 个本质且实用的例子，有时这些例子将帮你节省很多时间。

Linux 下 cut 命令的 4 个实用示例

假如你想，你可以观看下面的视频，视频中解释了本文中我列举的 cut 命令的使用例子。

◈https://www.youtube.com/PhE_cFLzVFw

1、 作用在一系列字符上

当启用 命令行选项时， 命令将移除一系列字符。

和其他的过滤器类似， 命令不会直接改变输入的文件，它将复制已修改的数据到它的标准输出里去。你可以通过重定向命令的结果到一个文件中来保存修改后的结果，或者使用管道将结果送到另一个命令的输入中，这些都由你来负责。

假如你已经下载了上面视频中的示例测试文件

[3]

，你将看到一个名为 的数据文件，这些数据是直接从我妻子在她工作中使用的某款会计软件中导出的：

上述文件是一个固定宽度的文本文件，因为对于每一项数据，都使用了不定长的空格做填充，使得它看起来是一个对齐的列表。

这样一来，每一列数据开始和结束的位置都是一致的。从 命令的字面意思去理解会给我们带来一个小陷阱： 命令实际上需要你指出你想保留的数据范围，而不是你想移除的范围。所以，假如我只需要上面文件中的 和 列，我需要这么做：

范围如何定义？

正如我们上面看到的那样， 命令需要我们特别指定需要保留的数据的范围。所以，下面我将更正式地介绍如何定义范围：对于 命令来说，范围是由连字符()分隔的起始和结束位置组成，范围是基于 1 计数的，即每行的第一项是从 1 开始计数的，而不是从 0 开始。范围是一个闭区间，开始和结束位置都将包含在结果之中，正如它们之间的所有字符那样。如果范围中的结束位置比起始位置小，则这种表达式是错误的。作为快捷方式，你可以省略起始或结束值，正如下面的表格所示：

命令允许你通过逗号分隔多个范围，下面是一些示例：

命令的一个限制（或者是特性，取决于你如何看待它）是它将不会对数据进行重排。所以下面的命令和先前的命令将产生相同的结果，尽管范围的顺序做了改变：

你可以轻易地使用 命令来验证：

类似的， 命令不会重复数据：

值得提及的是，曾经有一个提议，建议使用 选项来去除上面提到的两个限制，使得 工具可以重排或者重复数据。但这个提议被POSIX 委员会拒绝了

[4]

，“因为这类增强不属于 IEEE P1003.2b 草案标准的范围”。

据我所知，我还没有见过哪个版本的 程序实现了上面的提议，以此来作为扩展，假如你知道某些例外，请使用下面的评论框分享给大家！

2、 作用在一系列字节上

当使用 命令行选项时， 命令将移除字节范围。

咋一看，使用字符范围和使用字节没有什么明显的不同：

这是因为我们的示例数据文件使用的是US-ASCII 编码

[5]

（字符集），使用 便可以正确地猜出来：

在 US-ASCII 编码中，字符和字节是一一对应的。理论上，你只需要使用一个字节就可以表示 256 个不同的字符（数字、字母、标点符号和某些符号等）。实际上，你能表达的字符数比 256 要更少一些，因为字符编码中为某些特定值做了规定（例如 32 或 65 就是控制字符

[6]

）。即便我们能够使用上述所有的字节范围，但对于存储种类繁多的人类手写符号来说，256 是远远不够的。所以如今字符和字节间的一一对应更像是某种例外，并且几乎总是被无处不在的 UTF-8 多字节编码所取代。下面让我们看看如何来处理多字节编码的情形。

作用在多字节编码的字符上

正如我前面提到的那样，示例数据文件来源于我妻子使用的某款会计软件。最近好像她升级了那个软件，然后呢，导出的文本就完全不同了，你可以试试和上面的数据文件相比，找找它们之间的区别：

上面的标题栏或许能够帮助你找到什么被改变了，但无论你找到与否，现在让我们看看上面的更改过后的结果：

我毫无删减地复制了上面命令的输出。所以可以很明显地看出列对齐那里有些问题。

对此我的解释是原来的数据文件只包含 US-ASCII 编码的字符（符号、标点符号、数字和没有发音符号的拉丁字母）。

但假如你仔细地查看经软件升级后产生的文件，你可以看到新导出的数据文件保留了带发音符号的字母。例如现在合理地记录了名为 “ALNÉENRE” 的公司，而不是先前的 “ALNEENRE”（没有发音符号）。

正确地识别出了改变，因为它报告道现在这个文件是UTF-8 编码

[7]

的。

如果想看看 UTF-8 文件中那些带发音符号的字母是如何编码的，我们可以使用 ，它可以让我们直接以字节形式查看文件：

◈ 字母 被编码为 ，

◈ 字母 被编码为 ，

◈ 字母 被编码为 。

但对于大写的带有注音的拉丁大写字母 E

[8]

（这是它在 Unicode 标准中字母É的官方名称），则是使用2个字节 来编码的。

这样便出现问题了：对于使用固定宽度编码的文件， 使用字节位置来表示范围的 命令工作良好，但这并不适用于使用变长编码的 UTF-8 或者Shift JIS

[9]

编码。这种情况在下面的POSIX 标准的非规范性摘录

[10]

中被明确地解释过：

先前版本的 程序将字节和字符视作等同的环境下运作（正如在某些实现下对退格键 和制表键 的处理）。在针对多字节字符的情况下，特别增加了 选项。

嘿，等一下！我并没有在上面“有错误”的例子中使用 '-b' 选项，而是 选项呀！所以，难道不应该能够成功处理了吗！？

是的，确实应该：但是很不幸，即便我们现在已身处 2018 年，GNU Coreutils 的版本为 8.30 了， 程序的 GNU 版本实现仍然不能很好地处理多字节字符。引用GNU 文档

[11]

的话说，选项“现在和 选项是相同的，但对于国际化的情形将有所不同[...]”。需要提及的是，这个问题距今已有 10 年之久了！

另一方面，OpenBSD

[12]

的实现版本和 POSIX 相吻合，这将归功于当前的本地化（）设定来合理地处理多字节字符：

正如期望的那样，当使用 选项而不是 选项后， OpenBSD 版本的 实现和传统的 表现是类似的：

3、 作用在域上

从某种意义上说，使用 来处理用特定分隔符隔开的文本文件要更加容易一些，因为只需要确定好每行中域之间的分隔符，然后复制域的内容到输出就可以了，而不需要烦恼任何与编码相关的问题。

下面是一个用分隔符隔开的示例文本文件：

你可能知道上面文件是一个CSV

[13]

格式的文件（它以逗号来分隔），即便有时候域分隔符不是逗号。例如分号（）也常被用来作为分隔符，并且对于那些总使用逗号作为十进制分隔符

[14]

的国家（例如法国，所以上面我的示例文件中选用了他们国家的字符），当导出数据为 “CSV” 格式时，默认将使用分号来分隔数据。另一种常见的情况是使用tab 键

[15]

来作为分隔符，从而生成叫做tab 分隔的值

[15]

的文件。最后，在 Unix 和 Linux 领域，冒号 () 是另一种你能找到的常见分隔符号，例如在标准的 和 这两个文件里。

当处理使用分隔符隔开的文本文件格式时，你可以向带有 选项的 命令提供需要保留的域的范围，并且你也可以使用 选项来指定分隔符（当没有使用 选项时，默认以 tab 字符来作为分隔符）：

处理不包含分隔符的行

但要是输入文件中的某些行没有分隔符又该怎么办呢？很容易地认为可以将这样的行视为只包含第一个域。但 程序并不是这样做的。

默认情况下，当使用 选项时， 将总是原样输出不包含分隔符的那一行（可能假设它是非数据行，就像表头或注释等）：

使用 选项，你可以做出相反的行为，这样 将总是忽略这些行：

假如你好奇心强，你还可以探索这种特性，来作为一种相对隐晦的方式去保留那些只包含给定字符的行：

改变输出的分隔符

作为一种扩展， GNU 版本实现的 允许通过使用 选项来为结果指定一个不同的域分隔符：

需要注意的是，在上面这个例子中，所有出现域分隔符的地方都被替换掉了，而不仅仅是那些在命令行中指定的作为域范围边界的分隔符。

4、 非 POSIX GNU 扩展

说到非 POSIX GNU 扩展，它们中的某些特别有用。特别需要提及的是下面的扩展也同样对字节、字符或者域范围工作良好（相对于当前的 GNU 实现来说）。

：

想想在 sed 地址中的感叹符号()，使用它， 将只保存没有被匹配到的范围:

：

使用NUL 字符

[16]

来作为行终止符，而不是新行newline字符

[17]

。当你的数据包含 新行字符时， 选项就特别有用了，例如当处理文件名的时候（因为在文件名中新行字符是可以使用的，而 NUL 则不可以）。

为了展示 选项，让我们先做一点实验。首先，我们将创建一个文件名中包含换行符的文件：

现在假设我想展示每个 文件的前 5 个字符。一个想当然的解决方法将会失败：

你可以已经知道ls

[18]

是为了方便人类使用

[19]

而特别设计的，并且在一个命令管道中使用它是一个反模式（确实是这样的）。所以让我们用find

[20]

来替换它：

上面的命令基本上产生了与先前类似的结果（尽管以不同的次序，因为 会隐式地对文件名做排序，而 则不会）。

在上面的两个例子中，都有一个相同的问题， 命令不能区分 新行 字符是数据域的一部分（即文件名），还是作为最后标记的 新行 记号。但使用 NUL 字节（）来作为行终止符就将排除掉这种混淆的情况，使得我们最后可以得到期望的结果：

通过上面最后的例子，我们就达到了本文的最后部分了，所以我将让你自己试试 后面那个有趣的 参数或者理解为什么我在管道的最后使用了tr

[21]

命令。

使用 cut 命令可以实现更多功能

我只是列举了 命令的最常见且在我眼中最基础的使用方式。你甚至可以将它以更加实用的方式加以运用，这取决于你的逻辑和想象。

不要再犹豫了，请使用下面的评论框贴出你的发现。最后一如既往的，假如你喜欢这篇文章，请不要忘记将它分享到你最喜爱网站和社交媒体中！

via:https://linuxhandbook.com/cut-command/

作者：Sylvain Leroux

[23]

译者：FSSlc校对：wxy

本文由LCTT原创编译，Linux中国荣誉推出