Linux学习笔记(13/24)-过滤器：统计和格式化

摘自：[美]Harley Hahn：Unix & Linux大学教程

 

十三、过滤器：统计和格式化

 

（1）创建行号：nl

nl在文本中插入行号，行号总是临时的，除非保存。命令语法为

nl [-v start] [-i increment] [-b a] [-n ln|rn|rz] [file…]

其中start是起始号，increment是增量，file是文件名

-v选项改变起始编号，-i选项改变增量

默认情况下，nl不对空行编号。为了强制编号，使用-b(body number,正文编号)选项，后面跟字母a(all,所有行)

nl -b a file

-n(number format)选项，后面跟一个代码控制数字格式：

ln=左对齐，没有前导0

rn=右对齐，没有前导0

rz=右对齐，有前导0

 

（2）统计行、单词和字符数量：wc

wc [-clLw] [file…]

默认情况下，wc的输出包含3个数字：数据中的行数、单词数和字符数。行（Line）、单词（Word）和字符（Charater），LWC, “Look at woman carefully”.

其中，“字符”就是字母、数字、标点符号、空格、制表符或新行字符；“单词”就是一串连续的字符，用空格、制表符或新行字符分隔；“行”就是以新行字符结尾的一串字符。

-l(统计行)   –c(统计字符)      -w(统计单词)

对于Linux来说，还有另一个选项-L，显示输入中最长行的长度。

 

（3）可视化制表符和空格

Vi编辑器   :set list (开)  :set nolist (关)

Nano或pico     P (开/关)。 使用之前，必须在nano/pico初始文件中添加下述行，nanp/pico的初始文件分别为.nanorc和.picorc

set whitespace “xy”

其中x是希望表示一个制表符的字符，而y是显示一个空格的字符。

 

（4）将制表符转换为空格：expand

命令语法为 expand [-i] [-t size|-t list] [file...]

其中size是固定宽度制表符的大小，list是制表位列表，而file是文件名。

expand使用Unix的默认设置，假定制表符之间有8个位置。使用-t(-tab stop,制表位)选项可以改变该设置。-t选项有两种使用方式，第一种，如果所有的制表位都是相同间距，则可以在-t后加一个数字。

-t选项还有一种使用方式。如果希望制表位位于特定的位置上，则可以指定一串用逗号分开的多个数字。在该列表中，编号从0开始。

当希望转换制表符时，还有一种选项可使用，只能在行的开头使用。在这种情况下，使用的就是-i(initial，初始)选项，例如：

expand -i -t 4 data > data-new

 

（5）将空格转换为制表符：unexpand

语法为 unexpand [-a] [-t size|-t list] [file...]

默认只替换行首的空格，使用-a(all,全部)替换全部。

 

（6）格式化行：fold

fold程序处理行，fmt程序处理段落，而pr程序处理页面和列。

fold程序可根据指示瞬间分隔行，语法为：

fold [-s] [-w width] [file...]       (width是新行最大宽度)

默认情况下，fold程序在位置80处分隔行。因为在20世纪70年代，当开发Unix时，人们认为80是关于文本行的约整数。为了改变这个宽度，可使用-w(width,宽度)选项，后接希望的最大行长度。

-s选项告诉fold不分隔单词。

 

（7）格式化段落：fmt

fmt的目标是将段落中的各行连接在一起，从而使段落尽可能短小和紧凑，而且不改变内容和空白符。语法为：

fmt [-su] [-w width] [file...]

其中width是行的最大宽度，file是文件名称。

当fmt读取文本时，它假定段落由空行分隔。因此，一个“段落”就是一个或多个连续的文本行，不含空行。fmt按以下规则读取并格式化段落。

行宽：使每行尽可能长，但不超过指定长度。默认为75，可用-w选项

句子：尽可能在句末分隔行

空白符：保留单词以及空行之间的所有缩进、空格。使用-u选项修改

制表符：读取文件时将所有制表符转换成空格，并在最后的输出中的合适位置插入新的制表符。

-u(uniform spacing,统一间距)选项告诉fmt减少空格，从而使单词间最多有一个空格，句末最多有两个空格，这一样式为“法式间距”。

-s(split only,仅拆分)选项告诉fmt拆分升迁，但不连接短行。

 

（8）pr

pr的主要功能是按页格式化文本，以使其适合于打印。语法为：

pr [-dt] [+ begin[:end]] [-h text] [-l n] [-o margin] [-W width] [file...]

其中begin是需要格式化的第一页，end是需要格式化的最后一面，text是标题中间的文本，n是每页的行数，margin是左边缘的大小，width是输出的宽度，file是文件。

通常pr作为管道线的一部分，以使在将文本发送给打印机前对文本进行格式化。例：

cat data1 data2 data3 | pr | lpr

此命令将3个文件组合后输出发送给pr格式化，再发送给lpr进行打印（Unix中文件打印的两个基本程序是lp和lpr）。

默认情况下，pr通过在顶端插入一个标题，左边插入一个边缘，底部插入一个页尾来格式化页面。标题和页尾各占5行。左边缘和页尾只用于间距，所以它们是空白的。但是标题在其中间行包含信息：文件上一次修改日期和时间、文件的名称以及页号。

pr程序假定一页只有66行，因为老式打印机使用11英寸的纸，每英寸打印6行。标题和页尾各占5行，则每页剩下56行用于单倍选中的文本。

几乎所有暑假，当使用pr格式化页并进行打印时，默认设置已能满足需求。但是如果有需要，也可以使用几个选项修改设置。最常用的选项是-d，该选项告诉pr使用双倍行距文本。

如果希望控制格式化哪些页，可使用 pr +begin[:end]，例：

fmt essay | pr -d +3:6 | lpr

如果希望指定标题中间的文本，可使用-h选项，例：

fmt essay | pr -h “My Essay By Harley” | lpr

为了改变每页的总行数，可以使用-l，后面加一个数字。

为了消除标题，可使用-t选项。

默认情况下，pr不插入左边缘，因为极为可能打印机被设置成自动创建边缘。但是，如果希望自己添加一个额外的边缘，则可以使用-o(offset,偏移)选项，后面跟额外边缘的空格数量。另外，还可以使用-W选项，改变输出的宽度（默认为72字符）。当使用-W选项时，太长的行会被截断。因此一定要小心不要丢失文本。

将文本文件发送pr之前使用fold或者fmt对文本进行预处理时，最好明确指定希望的准确行宽，因为这3个程序使用不同的默认值：fmt-80字符/行，fmt-75字符/行，pr-72字符/行

pr还可以按列格式化文本，输入数据来源于单个或多个文件。语法为：

pr [-mt] [-columns] [-l lines] [-W width] [file...]

其中column是输出列的数量，lines是每页的行数，width是输出的宽度，file是文件名。例：

fmt -w 35 article | pr -z -l 48 > article-columns

默认情况下，pr使用制表符对齐各列

pr还可以将多个文件分别格式化为单独的列。使用-m (merge,合并)选项，pr将在单独的列中输出各个文件。

通过这种方式合并多个文件时，通常使用-t选项移除标题。

pr –mt f1 f2 f3 > formatted-articles