• Linux基础三


     

    简单文本的处理


    1.tr 命令

    tr 命令可以用来删除一段文本信息中的某些文字。或者将其进行转换。

    使用方式:

    tr [option]...SET1 [SET2]
    

    常用的选项有:

    选项说明
    -d 删除和set1匹配的字符,注意不是全词匹配也不是按字符顺序匹配
    -s 去除set1指定的在输入文本中连续并重复的字符

     

     

     

    操作举例:

    # 删除 "hello shiyanlou" 中所有的'o','l','h'
    $ echo 'hello shiyanlou' | tr -d 'olh'
    # 将"hello" 中的ll,去重为一个l
    $ echo 'hello' | tr -s 'l'
    # 将输入文本,全部转换为大写或小写输出
    $ cat /etc/passwd | tr '[:lower:]' '[:upper:]'
    # 上面的'[:lower:]' '[:upper:]'你也可以简单的写作'[a-z]' '[A-Z]',当然反过来将大写变小写也是可以的
    


    2.col 命令

    col 命令可以将Tab换成对等数量的空格建,或反转这个操作。

    使用方式:

    col [option]
    

    常用的选项有:

    选项说明
    -x Tab转换为空格
    -h 将空格转换为Tab(默认选项)

    操作举例:

    # 查看 /etc/protocols 中的不可见字符,可以看到很多 ^I ,这其实就是 Tab 转义成可见字符的符号
    $ cat -A /etc/protocols
    # 使用 col -x 将 /etc/protocols 中的 Tab 转换为空格,然后再使用 cat 查看,你发现 ^I 不见了
    $ cat /etc/protocols | col -x | cat -A
    


    3.join命令

    学过数据库的用户对这个应该不会陌生,这个命令就是用于将两个文件中包含相同内容的那一行合并在一起。

    使用方式:

    join [option]... file1 file2
    

    常用的选项有:

    选项说明
    -t 指定分隔符,默认为空格
    -i 忽略大小写的差异
    -1 指明第一个文件要用哪个字段来对比,,默认对比第一个字段
    -2 指明第二个文件要用哪个字段来对比,,默认对比第一个字段

    操作举例:

    # 创建两个文件
    $ echo '1 hello' > file1
    $ echo '1 shiyanlou' > file2
    $ join file1 file2
    # 将/etc/passwd与/etc/shadow两个文件合并,指定以':'作为分隔符
    $ sudo join -t':' /etc/passwd /etc/shadow
    # 将/etc/passwd与/etc/group两个文件合并,指定以':'作为分隔符, 分别比对第4和第3个字段
    $ sudo join -t':' -1 4 /etc/passwd -2 3 /etc/group
    


    4.paste命令

    paste这个命令与join 命令类似,它是在不对比数据的情况下,简单地将多个文件合并一起,以Tab隔开。

    使用方式:

    paste [option] file...
    

    常用的选项有:

    选项说明
    -d 指定合并的分隔符,默认为Tab
    -s 不合并到一行,每个文件为一行

    操作举例:

    $ echo hello > file1
    $ echo shiyanlou > file2
    $ echo www.shiyanlou.com > file3
    $ paste -d ':' file1 file2 file3
    $ paste -s file1 file2 file3
    

    三、小结

    上面这些命令不是所有你都会经常用到,不过它们确是很实用的,熟练掌握之后,可以减轻很多工作量,比如不停的用鼠标操作在 gedit 里面复制粘贴赋值粘贴,将两个文件的内容合并为一个文件,这原本只需要一个命令就能完成。

  • 相关阅读:
    vue cli选择lint模式
    收集Java8 Lambda mapreduce代码
    k8s笔记
    Deep Reinforcement Learning with Double Qlearning
    Deep Spiking Neural Networks With Binary Weights for Object Recognition
    Implementing Spiking Neural Networks on Neuromorphic Architectures: A Review
    BPSTDP: Approximating Backpropagation using Spike Timing Dependent Plasticity
    Deep Spiking Neural Network model for timevariant signals classification: a realtime speech recognition approach
    SpikingYOLO: Spiking Neural Network for EnergyEfficient Object Detection
    政策、效果、请求、匹配 PERM (Policy, Effect, Request, Matcher)
  • 原文地址:https://www.cnblogs.com/tcheng/p/5998578.html
Copyright © 2020-2023  润新知