如何进行“切割”？命令将相同的连续分隔符视为一个？

Question

我试图从基于列的、“空间”调整的文本流中提取某个（第四个）字段。我尝试按以下方式使用 cut 命令：

cat text.txt | cut -d " " -f 4

不幸的是，cut 并不将多个空格视为一个分隔符。我可以通过 awk

awk '{ printf $4; 进行管道传输}'

或 sed

sed -E "s/[[:space:]]+/ /g"

折叠空格，但我想知道是否有办法本地处理 cut 和几个分隔符？

Answer 1

尝试：

tr -s ' ' <text.txt | cut -d ' ' -f4

从 tr 手册页：

-s, --squeeze-repeats   replace each input sequence of a repeated character
                        that is listed in SET1 with a single occurrence
                        of that character

Answer 2

当您在问题中评论时，awk确实是正确的选择。可以将 cut 与 tr -s 一起使用来压缩空格，如 kev 的答案显示。

不过，让我为未来的读者介绍一下所有可能的组合。说明位于测试部分。

tr | cut

tr -s ' ' < file | cut -d' ' -f4

awk

awk '{print $4}' file

bash

while read -r _ _ _ myfield _
do
   echo "forth field: $myfield"
done < file

sed

sed -r 's/^([^ ]*[ ]*){3}([^ ]*).*/\2/' file

---

测试

给定这个文件，让我们测试命令：

$ cat a
this   is    line     1 more text
this      is line    2     more text
this    is line 3     more text
this is   line 4            more    text

tr | cut

$ cut -d' ' -f4 a
is
                        # it does not show what we want!


$ tr -s ' ' < a | cut -d' ' -f4
1
2                       # this makes it!
3
4
$

awk

$ awk '{print $4}' a
1
2
3
4

bash

这将按顺序读取字段。通过使用 _ 我们表明这是一个一次性变量，作为“垃圾变量”来忽略这些字段。这样，我们将 $myfield 存储为文件中的第四个字段，无论它们之间有空格。

$ while read -r _ _ _ a _; do echo "4th field: $a"; done < a
4th field: 1
4th field: 2
4th field: 3
4th field: 4

sed

这使用 ([^ ]*[ ]*){3} 捕获三组空格和无空格。然后，它捕获任何到来的内容，直到第四个字段出现空格为止，最后打印为 \1。

$ sed -r 's/^([^ ]*[ ]*){3}([^ ]*).*/\2/' a
1
2
3
4

Answer 3

最短/最友好的解决方案

在对 cut 的太多限制感到沮丧之后，我编写了自己的替代方案，我将其称为 削减表示“类固醇削减”。

cuts 提供了可能是最简单的解决方案，许多其他相关的剪切/粘贴问题。

解决这个特定问题的一个例子是：

$ cat text.txt
0   1        2 3
0 1          2   3 4

$ cuts 2 text.txt
2
2

cuts 支持：

• 自动检测文件中最常见的字段分隔符（+ 覆盖默认值的能力）
• 多字符、混合字符和正则表达式匹配的分隔符
• 从多个文件中提取列，使用混合分隔符
• 从行尾偏移（使用负数）除了行首
• 自动并排粘贴列（无需单独调用 paste）
• 之外，还支持对
• 配置文件进行字段重新排序，用户可以在其中更改他们的个人
• 偏好强调用户友好性和极简主义需要打字

等等。标准cut 没有提供这些。

另请参阅：https://stackoverflow.com/a/24543231/1296044

来源和文档（免费软件）：http://arielf.github.io/cuts/

Answer 4

此 Perl 一行代码显示了 Perl 与 awk 的密切关系：

perl -lane 'print $F[3]' text.txt

但是，@F 自动分割数组从索引 $F[0] 开始，而 awk 字段以 开始>$1

Answer 5

据我所知，对于 cut 版本，这是不可能的。 cut 主要用于解析分隔符不是空格的文件（例如 /etc/passwd）并且具有固定数量的字段。连续两个分隔符意味着一个空字段，这也适用于空格。

Answer 6

我已经实现了 一个补丁，添加了新的 < code>-m cut(1) 的命令行选项，它在字段模式下工作，并将多个连续分隔符视为单个分隔符。这基本上以一种相当有效的方式解决了OP的问题，通过将多个空格视为cut(1)中的一个分隔符。

特别是，应用我的补丁后，以下命令将执行所需的操作。就这么简单，只需在命令行中添加 -m 即可：

cat text.txt | cut -d ' ' -m -f 4

我也在上游提交了这个补丁，希望它最终能被接受并合并到 coreutils 项目中。

关于添加更多空格，还有一些进一步的想法与 cut(1) 相关的功能，并且从不同的人那里获得一些反馈会很棒，最好是在 coreutils 邮件列表。我愿意为 cut(1) 实现更多补丁并将其提交到上游，这将使该实用程序在各种实际场景中更加通用且更可用。