4.4　用cut按列切分文件

我们也许不需要按行，而是需要按列切分文件。假设我们有一个文本文件，其中按行包含了学生的报表信息，例如No（学号）、Name（姓名）、Mark（成绩）和Percentage（百分比）。我们需要将学生的姓名提取到另一个文件，或者是需要表中的第n列或其中两列甚至更多列。这则攻略将为你演示如何完成这项任务。

4.4.1　预备知识

cut是一个帮我们将文本按列进行切分的小工具。它也可以指定分隔每列的定界符。在cut的术语中，每列都是一个字段。

4.4.2　实战演练

为了提取第一个字段或列，可以使用下面的语法：

cut -f FIELD_LIST filename

FIELD_LIST是需要显示的列。它由列号组成，彼此之间用逗号分隔。例如：

$ cut -f 2,3 filename

这条命令将显示第2列和第3列。

cut也能够从stdin中读取输入文本。

制表符是字段或列的默认定界符。没有定界符的行也会照原样被打印出来。要避免打印出这种不包含定界符的行，则可以使用cut的 -s选项。一个cut命令的例子如下：

$ cat student_data.txt
No  Name  Mark   Percent
1   Sarath  45     90
2   Alex    49     98
3   Anu     45     90
 
$ cut -f1 student_data.txt
No
1
2
3

提取多个字段：

$ cut -f2,4 student_data.txt
Name    Percent
Sarath  90
Alex    98
Anu     90

要打印多列，需要提供一个由逗号分隔的列号列表作为-f选项的参数。

我们也可以用 --complement选项对提取的字段进行补集运算。假设有多个字段，你希望打印出除第3列之外所有的列，则可以使用：

$ cut -f3 --complement student_data.txt
No  Name     Percent
1   Sarath   90
2   Alex     98
3   Anu      90

要指定字段的定界符，使用 -d选项：

$ cat delimited_data.txt
No;Name;Mark;Percent
1;Sarath;45;90
2;Alex;49;98
3;Anu;45;90
 
$ cut -f2 -d";" delimited_data.txt
Name
Sarath
Alex
Anu

4.4.3　补充内容

cut命令有一些选项可以将一串字符作为列来显示。让我们来看看这些选项。

指定字段的字符或字节范围

假设我们不依赖定界符，但需要通过将字段定义为一个字符范围（行首记为0）来进行字段提取，这种需求也可以用cut来实现。

表4-4中列出了字符字段范围的记法。

表　4-4

用上面介绍的记法，再结合下列选项将某个范围的字节或字符指定为字段：

• -b 表示字节；

• -c 表示字符；

• -f 表示定义字段。

例如：

$ cat range_fields.txt
abcdefghijklmnopqrstuvwxyz
abcdefghijklmnopqrstuvwxyz
abcdefghijklmnopqrstuvwxyz
abcdefghijklmnopqrstuvwxy

你可以打印第1个到第5个字符：

$ cut -c1-5 range_fields.txt
abcde
abcde
abcde
abcde

打印前2个字符：

$ cut range_fields.txt -c-2
ab
ab
ab
ab

若要用字节作为计数单位，可以将 -c替换成 -b。

在使用 -c、-f和 -b时，我们可以指定输出定界符：

--output-delimiter "delimiter string"

当用-b或-c提取多个字段时，必须使用 --output-delimiter，否则，你就没法区分不同的字段了。例如：

$ cut range_fields.txt -c1-3,6-9 --output-delimiter ","
abc,fghi
abc,fghi
abc,fghi
abc,fghi