Linux学习笔记(12/24)-过滤器：比较与抽取

摘自：[美]Harley Hahn：Unix & Linux大学教程

 

十二、过滤器：比较与抽取

（1）比较任意两个文件：cmp

cmp的使用只有一种情形：查看两个文件是否相同。语法为：

cmp file1 file2

cmp可以比较任何文件。

（2）比较有序文本文件：comm

comm程序一行一行地比较两个有序的文本文件。当有两个相似的文件并且希望查看它们之间的区别时，可以使用comm程序，语法：

comm [-123]file1 file2

程序可以以3列显示输出：第一列包含只有第一个文件中的行，第二列包含只有第二个文件中的行，第三行包含两个文件都有的行。-1、-2、-3选项分别抑制第一列、第二列、第三列的输出。

（3）比较无序文本文件：diff

当需要比较无序文件和比较大的文件时，可以使用diff，语法：

diff [-bBiqswy] [-c | -C lines| -u | -U lines] file1 file2

其中，file1和file2是文本文件的名称，lines是说明上下文关系的行号。

当比较两个相同文件时，无输出。不同时，显示一组指示，遵循它可将第一个文件修改为第二个文件。

diff的输出使用3个单字符指示：c(change，改变)、d(delete，删除）和a(append，追加）。c、d、a第个字符的左边和右边都有一串行号，左边的数字指第一个文件中的行，右边指第2个文件的行。

无论何时，当diff要求改变时，它就给出每一个文件的实际行。第一个文件中的行由一个<（小于号）标记，第二个文件中的行由一个>（大于号）标记。出于可读性考虑，两组行被若干连字符（--)构成的线分隔开。

-i 选项，（case insensitive，不区分大小写）；

-w（whitespace，空白行）选项忽略所有的空白符（空格和制表符）；

-b选项，不忽略所有的空白符，而只忽略空白符数量上的区别；

-B选项（Blank lines，空白行）忽略所有的空白行。

其余的选项控制diff如何显示结果。-q（quiet，静止）告诉diff，当两个文件不同时，忽略所有细节。-s（same，相同），显示两个文件相同。

（4）比较文件时的输出格式：diff，sdiff

diff使用-c（context，上下文关系）时，显示存在不同的实际行，同时还显示不同行的上面和下面各两行的内容。第一个文件由*（星号）标记，第二个文件由-（连字符）标记。在两行之后，是每一个文件的摘录，显示应如何改变以让两个文件相同。

-u（unified output，统一输出）选项，类似于-c选项的输出，但没有重复行。

默认情况下，当对diff使用-c或者-u选项时，输出在每个不同点的上方和下方分别显示两行上下文。但是如果希望显示不同数量的上下文行，可用-C（大写字母“C"）代替-c，-U（大写字母”u”）代替-u，后接希望显示出的数量。例

diff -C5 file1 file2            diff -U3 file1 file2

-y选项，并排输出结果。

如果喜欢可以并排输出。还有一个特殊用途的程序sdiff（side-by-side diff，可用它替代diff -y）语法为：

sdiff [-bBilsW] [-w columns] file1 file2

其中file1和file2是文件名，columns是列宽；

-l（小写L）选项，重复时只显示左边的列；

-s（same)选项，不显示重复；

-w选项，改变列的宽度。

其余选项与diff相同。

（5）差分和补丁

将一个文件转换为另一个文件时的一串指示叫一个差分（diff）。

使用差分（以一个文件重新创建另一个文件），称为应用了差分，用来应用差分的程序称为patch。

（6）抽取数据：cut

cut可以从每行中抽取特定列，也可以从每行中抽取字区域（称为字段），语法为

cut -c list [file...]

其中list是要抽取的列表，file是输入文件的名称。

使用列表告诉cut抽取哪些列时，可以指定一个或多个列号，用逗号分隔，列表中不含空格，还可以指定列的范围，用连字符连接。例 1,8,10-15。

可省略-c后的空格。

机器可读的文件数据（如Candy:Charles:345），每行称为一个记录（record）。每行的各个部分称为字段（field），而充当字段分隔符的字符称为定界符（delimiter)。常见的定界符有逗号、空格、制表符和空白符（也就是制表符和空格的组合）。

抽取字段的命令语法为

cut -f list [-d delimiter] [-s] [file...]

其中，list是抽取字段的列表，delimiter是分隔字段所用的定界符，file是输入文件的名称。

cut -f 1 -d ":" /etc/passwd | sort   (-f, -d 可省略空格）

（7）组合数据列：paste

paste程序组合数据列，有极大的灵活性，可将几个文件组成一个大表，也可将连续的数据行组合起来，构建数据列。我们集中讨论paste程序最可用的特性：组合分离的文件，其它可参阅说明书页（man paste）。

语法： paste [-d char...] [file...]

其中char是用作分隔符的字符，而file是输入文件的名称。

默认情况下，paste在每两列实体之间放一个制表符字符，而Unix假设制表符为每8个位置一个，且以位置1为起点，即位置1,9,17,25等。为使用非制表符作定界符，可使用-d选项，后面一个括在单引号中的备选字符。如果指定不止一个定界符，paste将轮流使用定界符。