這裡介紹如何使用 Linux 的 cut
指令工具,逐行擷取部份字元或欄位資料。
Linux 的 cut
指令是一個實用的文字處理工具,可以將每一行文字的部份字元或欄位擷取出來,以下是使用方式與範例。
對於欄位寬度是固定的資料,可以使用擷取固定位置字元的方式,把指定的欄位抓出來,典型的例子就是從 ls
指令的輸出中擷取檔案權限。假設我們的 ls
指令與輸出資料如下:
# 僅輸出最後 5 筆檔案資訊 ls -l | tail -n 5
drwxr-xr-x 2 gtwang gtwang 4096 11月 7 22:29 影片 drwxr-xr-x 7 gtwang gtwang 4096 2月 6 21:01 文件 drwxr-xr-x 4 gtwang gtwang 4096 2月 22 21:09 桌面 drwxr-xr-x 2 gtwang gtwang 4096 1月 6 2017 模板 drwxrwxr-x 2 gtwang gtwang 4096 1月 6 2017 音樂
如果我們想要擷取第一欄中的檔案權限(也就是第 2 個字元到第 10 個字元),可以使用 cut
指令配合 -c
參數,將每一行的第 2 個字元至第 10 個字元抓出來:
# 擷取第 2 個字元至第 10 個字元 ls -l | tail -n 5 | cut -c 2-10
rwxr-xr-x rwxr-xr-x rwxr-xr-x rwxr-xr-x rwxrwxr-x
如果要擷取多個不連續的的區段,逗號分隔每個區段,例如:
# 擷取第 2-3 個、第 5-6 個與第 8-9 個字元 ls -l | tail -n 5 | cut -c 2-3,5-6,8-9
rwr-r- rwr-r- rwr-r- rwr-r- rwrwr-
上面的範例中我們都是設定要擷取的部份,如果想要設定排除的部份,可以加上 --complement
這個補集參數,這樣 cut
就會將指定的部份刪除,留下剩餘的部份:
# 排除第 2 個字元至第 10 個字元 ls -l | tail -n 5 | cut -c 2-10 --complement
d 2 gtwang gtwang 4096 11月 7 22:29 影片 d 7 gtwang gtwang 4096 2月 6 21:01 文件 d 4 gtwang gtwang 4096 2月 22 21:09 桌面 d 2 gtwang gtwang 4096 1月 6 2017 模板 d 2 gtwang gtwang 4096 1月 6 2017 音樂
若我們的資料欄位寬度不是固定的,而是使用特定的字元分隔不同的欄位,例如逗點分隔檔(csv 檔):
5.1,3.5,1.4,0.2,"setosa" 4.9,3,1.4,0.2,"setosa" 7,3.2,4.7,1.4,"versicolor" 6.4,3.2,4.5,1.5,"versicolor" 5.9,3,5.1,1.8,"virginica"
若要擷取這個 csv 檔的特定欄位,可以使用 cut
指令加上 -d
參數指定欄位分隔字元,並以 -f
參數指定欲擷取的欄位,例如擷取出第 2 個欄位:
# 擷取 CSV 檔的第二個欄位 cut -d , -f 2 data.csv
3.5 3 3.2 3.2 3
若要擷取多個欄位,也是使用逗號分隔每個欄位:
# 擷取 CSV 檔的第 1-3 個與第 5 個欄位 cut -d , -f 1-3,5 data.csv
5.1,3.5,1.4,"setosa" 4.9,3,1.4,"setosa" 7,3.2,4.7,"versicolor" 6.4,3.2,4.5,"versicolor" 5.9,3,5.1,"virginica"
Linux 中的 /etc/passwd
檔案內容是以冒號分隔欄位的,若要從中擷取特定的欄位,可以指定以冒號為分隔字元:
# 擷取 /etc/passwd 的第 1 個與第 7 個欄位 head -n 5 /etc/passwd | cut -d : -f 1,7
root:/bin/bash daemon:/usr/sbin/nologin bin:/usr/sbin/nologin sys:/usr/sbin/nologin sync:/bin/sync
若要排除某些特定欄位,而留下其餘的欄位,同樣可以使用 --complement
參數:
# 排除 CSV 檔的第二個欄位 cut -d , -f 2 --complement data.csv
5.1,1.4,0.2,"setosa" 4.9,1.4,0.2,"setosa" 7,4.7,1.4,"versicolor" 6.4,4.5,1.5,"versicolor" 5.9,5.1,1.8,"virginica"
cut
在輸出多欄位的資料時,預設會以輸入檔案所使用的分隔字元來分隔輸出的欄位,若要改變輸出欄位的分隔字元,可以使用 --output-delimiter
參數來指定:
# 指定輸出欄位分隔字元 head -n 5 /etc/passwd | cut -d : -f 1,7 --output-delimiter="^_^"
root^_^/bin/bash daemon^_^/usr/sbin/nologin bin^_^/usr/sbin/nologin sys^_^/usr/sbin/nologin sync^_^/bin/sync
Linux 的系統管理者時常會需要使用 ps
指令查看各行程的狀態,但由於 ps
的輸出資訊很多,如果我們只想看程式的 PID 與指令內容,就可以用 cut
把要用的資訊擷取來:
# 找出所有 Python 程式的 PID 與指令內容 ps aux | grep python | sed 's/\s\+/ /g' | cut -d ' ' -f 2,11-
17100 grep --color=auto python 27904 /usr/bin/python -Es /usr/sbin/tuned -l -P 33890 /usr/bin/python -Es /usr/sbin/firewalld --nofork --nopid