Bash
Команда cut

Команда cut - это быстрый способ извлечения частей строк текстовых файлов. Он относится к самым старым командам Unix. Его наиболее популярными реализациями является версия GNU, найденная в Linux, и версия FreeBSD, найденная на MacOS, но каждый аромат Unix имеет свои собственные. См. Ниже различия. Строки ввода считываются либо из stdin либо из файлов, перечисленных в качестве аргументов в командной строке.

1. Синтаксические различия

Длинные параметры в приведенной выше таблице поддерживаются только версией GNU.

2. Персонаж не получает специального лечения

Например, FreeBSD cut (который поставляется с MacOS) не имеет ключа --complement , а в случае диапазонов colrm вместо него можно использовать команду colrm :

  $ cut --complement -c3-5 <<<"123456789"
  126789

  $ colrm 3 5 <<<"123456789"
  126789

Однако существует большая разница, поскольку colrm обрабатывает символы TAB (ASCII 9) как реальные таблицы до следующего кратного восьми, а обратные пространства (ASCII 8) равны -1; напротив, cut обрабатывает всех персонажей как одну ширину столбца.

  $ colrm  3 8 <<<$'12\tABCDEF' # Input string has an embedded TAB
  12ABCDEF

  $ cut --complement -c3-8 <<<$'12\tABCDEF'
  12F

3. (Все еще нет) Интернационализация

Когда был разработан cut , все символы были одним байтом, а интернационализация не была проблемой. При написании систем с более широкими символами стало популярным решение, принятое POSIX, заключалось в том, чтобы подгонять между старым ключом -c , который должен сохранять смысл выбора символов, независимо от того, сколько байтов в ширину, и ввести новый переключатель -b который должен выберите байты, независимо от текущей кодировки символов. В большинстве популярных реализаций -b был введен и работает, но -c все еще работает точно так же, как -b но не так, как должно. Например, при cut GNU:

^{Кажется, что спам-фильтр SE черным списком английских текстов с изолированными иероглифами кандзи в них. Я не мог преодолеть это ограничение, поэтому следующие примеры менее выразительны, чем могли бы быть.}

  # In an encoding where each character in the input string is three bytes wide,
  # Selecting bytes 1-6 yields the first two characters (correct)
  $ LC_ALL=ja_JP.UTF-8 cut -b1-6 kanji.utf-8.txt
  ...first two characters of each line...
  

  # Selecting all three characters with the -c switch doesn’t work.
  # It behaves like -b, contrary to documentation.
  $ LC_ALL=ja_JP.UTF-8 cut -c1-3 kanji.utf-8.txt
  ...first character of each line...

  # In this case, an illegal UTF-8 string is produced.
  # The -n switch would prevent this, if implemented.
  $ LC_ALL=ja_JP.UTF-8 cut -n -c2 kanji.utf-8.txt
  ...second byte, which is an illegal UTF-8 sequence...

Если ваши символы находятся за пределами диапазона ASCII, и вы хотите использовать cut , вы всегда должны знать ширину символов в кодировке и использовать -b соответственно. Если и когда -c начинает работать как задокументированный, вам не придется менять свои скрипты.

4. Сравнение скорости

cut ограничения «s есть люди , сомневающихся свою полезность. Фактически, та же функциональность может быть достигнута благодаря более мощным, более популярным утилитам. Однако преимуществом cut является его производительность . Ниже приведены некоторые сравнения скорости. test.txt имеет три миллиона строк с пятью полями, разделенными пробелами. Для awk теста использовался mawk , потому что он быстрее, чем GNU awk . Сама оболочка (последняя строка) является наихудшим исполнителем. Временные значения (в секундах) - это то, что команда time дает как реальное время .

^{(Чтобы избежать недоразумений: все тестируемые команды дали одинаковый результат с данным вводом, но они, конечно, не эквивалентны и будут давать разные результаты в разных ситуациях, в частности, если поля были разделены переменным числом пробелов)}

5. Справочные справочные страницы

• OpenGroup
• GNU
• FreeBSD