使用 UNIX 进行文本处理-Linux频道-中国IT实验室

UNIX® 起源于简单的文本处理，并且在它的命令行环境中保留了功能最强大的文本处理工具之一。通过将一系列简单的命令组合在一起，可以完成复杂的文本转换，UNIX 提供的工具允许您构建几乎任何所需的文本处理引擎。

引言

    在 UNIX® 诞生之初，人们不大熟悉这种新的操作系统，但他们很快找到了适当的切入点，大学中的研究人员需要一种像样的文本处理环境。因为在那个时候，计算机的处理速度和内存容量有限，所以程序必须很小，并且相对比较简单。这样就产生了 UNIX 中著名的设计思想：“一组工具协同工作，以便完成一项任务”。通过 UNIX 管道将几种很小的、但功能强大的文本处理工具组合在一起，可以对文本进行各种方式的转换和操作。

    在本文中，您将简要了解从文件和程序中获得文本、使用 tr 命令对其进行简单的转换、使用 sed 命令进行复杂的搜索和替换操作。然后，您将使用 Perl 编程和脚本语言再次完成这些操作，这样一来您就可以认识到，Perl 的功能非常强大，它可以替代 tr 和 sed 命令。

开始之前

   如果您希望按照本文中的示例进行实验，请确保您可以使用 UNIX 命令行环境。这可能是本地计算机中的终端模拟程序（在现代桌面中通常称为 终端，如果您习惯使用 ®，那么可以使用 Cygwin）、或通过 SSH 访问的远程系统。

   本文的示例所使用的 Shell 语法适用于 GNU Bash，有关需要使用的特定语法，请参考您的 Shell 手册（或者可以考虑使用 Bash）。

对文本进行各种操作

    在开始使用 UNIX 的各种文本实用程序操作文本之前，需要了解如何获得文本。并且在进行这项工作之前，需要了解 UNIX 的标准输入/输出 (I/O) 流。

    标准 C 库（因而，每个 UNIX 程序）定义了三种标准流：输入、输出和错误。有时将它们称为 stdin、stdout 和 stderr，这是在所有 C 程序中用来表示它们的全局变量。

    当您在 Shell 中使用 > 操作符将程序输出重定向到文件时，就可以将它的标准输出 (stdout) 流发送到这个文件。例如：ls > this-dir 将 ls 的输出发送到一个名为 this-dir 的文件。

    当您在 Shell 中使用 < 操作符将程序输入重定向到文件时，就可以将该文件中的内容输入到该程序的标准输入 (stdin) 流。例如：sort < this-dir 可以从名为 this-dir 的文件中读取内容，并将其作为 sort 命令的输入。

    另一个常用于重定向标准流的操作符是“|”（管道）操作符，它可以将左侧程序的标准输出流连接到右侧程序的标准输入流。例如：ls | sort 和前面的两个示例完成相同的任务，并且无需临时文件，ls 的输出直接进入 sort 命令。

    如果您仔细观察，那么可能会发现，前面的这些示例中并没有出现标准错误 (stderr) 流。与标准输出流一样，可以对 stderr 进行重定向或使用管道进行传输，但是您需要告诉 Shell 您希望处理 stderr 而不是 stdout。

    可以使用 2> 操作符将标准错误流重定向到文件。在处理生成有用的错误输出的命令时，您经常会看到这个操作符，比如用于编译 UNIX 程序的 make 工具：make 2> build-errors。

    这个命令运行了 make，并将任何错误信息发送到 build-errors 文件。与之类似，您可以使用 2| 将 stderr 通过管道传递到另一个程序。

    如果您对具体的细节感兴趣，那么其他的流也有与之对应的数字，尽管很少使用到它们（0 表示标准输入，1 表示标准输出），除了在一个非常常见的操作符中。在清单 1 所示的示例中，2>&1 操作符将标准错误流连接 到标准输出流。与 > 操作符组合在一起，您可以使 stderr 和 stdout 输出到相同的文件中。

清单 1. 将标准错误流连接到标准输出流

make > build-output 2>&1
      

命令

有两个常用来生成文本输出的标准 UNIX 命令：cat 和 echo。

    cat 命令读取参数中指定的每个文件，并将这些文件的内容写入到 stdout。echo 命令将其参数写入到 stdout。您常常会发现它们作为更复杂的命令管道中的一部分（请参见清单 2）。

清单 2. 使用 cat 和 echo

cat file1 file2 ... filen
echo arguments...
      

    但如果您只需要文件中开头的部分或结尾的部分，那又应该如何呢？cat 有两种可用来完成这种任务的变种，称为 head 和 tail（请参见清单 3），它们分别可以显示开头的或结尾的 10 行内容，您可以使用 -n 选项为它们指定不同的行数。
清单 3. 使用 head 和 tail

head file1 file2 ... filen
tail file1 file2 ... filen
      

    tail 命令还有一个有用的选项 -f (follow)。该选项告诉 tail 打印指定文件的最后 10 行，但是它不仅打印已有的内容，还会等待该文件中将要出现的更多内容，并对其进行打印。您可以使用该选项接着 显示错误日志中的输出，例如，要在将错误写入到日志的同时查看这些错误。

 

[1]    

【责编:Zenghui】

--------------------next---------------------