Bash
Snittkommandot

Den cut kommando är ett snabbt sätt att extrahera delar av rader av textfiler. Det tillhör de äldsta Unix-kommandona. De mest populära implementeringarna är GNU-versionen som finns på Linux och FreeBSD-versionen som finns på MacOS, men varje smak av Unix har sin egen. Se nedan för skillnader. Inmatningsraderna läses antingen från stdin eller från filer som listas som argument på kommandoraden.

1. Syntaxskillnader

Långa alternativ i tabellen ovan stöds endast av GNU-versionen.

2. Ingen karaktär får specialbehandling

FreeBSD- cut (som till exempel levereras med MacOS) har inte --complement , och när det gäller colrm istället använda colrm kommandot:

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

  $ colrm 3 5 <<<"123456789"
  126789

Det finns emellertid en stor skillnad, eftersom colrm behandlar TAB-tecken (ASCII 9) som verkliga tabeller upp till nästa multipel av åtta, och bakutrymmen (ASCII 8) som -1 breda; tvärtom, cut behandlar alla tecken som en kolumn bred.

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

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

3. (Fortfarande nej) Internationalisering

När cut utformades var alla karaktärer en byte lång och internationalisering var inte ett problem. När skrivsystem med bredare tecken blev populära var lösningen som antogs av POSIX att skilja mellan den gamla -c omkopplaren, som borde behålla sin betydelse att välja tecken, oavsett hur många byte breda, och att införa en ny switch -b som borde välj byte, oavsett aktuell teckenkodning. I de mest populära implementeringarna introducerades och fungerar -b , men -c fungerar fortfarande exakt som -b och inte som det borde. Till exempel med GNU- cut :

^{Det verkar som om SE: s spamfilter svartlistor engelska texter med isolerade kanji-tecken i dem. Jag kunde inte övervinna denna begränsning, så följande exempel är mindre uttrycksfulla än de kunde vara.}

  # 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...

Om dina karaktärer ligger utanför ASCII-intervallet och du vill använda cut , bör du alltid vara medveten om teckenbredden i din kodning och använda -b . Om och när -c börjar fungera som dokumenterat behöver du inte ändra dina skript.

4. Hastighetsjämförelser

cut begränsningar gör att människor tvivlar på dess användbarhet. Faktum är att samma funktionalitet kan uppnås med kraftfullare och mer populära verktyg. Men cut är 's fördel dess prestanda. Se nedan för några hastighetsjämförelser. test.txt har tre miljoner rader, med fem rymdseparerade fält vardera. För awk testet användes mawk eftersom det är snabbare än GNU awk . Själva skalet (sista raden) är den överlägset värsta utövaren. Tiderna (i sekunder) är vad time kommandot ger som realtid.

^{(Bara för att undvika missförstånd: alla testade kommandon gav samma utgång med den givna ingången, men de är naturligtvis inte likvärdiga och skulle ge olika utgångar i olika situationer, särskilt om fälten avgränsades av ett variabelt antal utrymmen)}

5. Referens man sidor

• The Open Group
• GNU
• FreeBSD