Linux 与服务器运维 / 系统课时
提取文本字段
提取文本字段
处理以冒号、逗号或制表符分隔的简单文本时,不必立刻写脚本。cut 可以抽取字段,tr 可以按字符集合做替换或转换,paste 可以按行把多个结果重新组合成新表格。
学习目标
- 能用
cut按分隔符选择需要的字段。 - 能用
tr完成字符替换、大小写转换等简单变换。 - 能用
paste按行合并多个文本流,并识别它不适合解决的场景。
三条命令各自解决什么问题
cut 适合结构稳定的单行文本。使用 -d 指定单字符分隔符,再用 -f 选择字段,例如 cut -d: -f1,3 file。如果数据是固定宽度文本,也可以按字符位置截取,但对于字段长度变化的数据,优先按分隔符处理。
tr 处理的是字符或字符集合,常见用途是替换分隔符、删除指定字符,以及大小写转换。例如 tr '[:lower:]' '[:upper:]' 会把输入中的小写字母转换为大写。它不是字符串替换工具,不能把一个任意单词直接替换成另一个不同长度的单词。
paste 会把多个文件的第 1 行拼在一起、第 2 行拼在一起,以此类推。默认分隔符是制表符,也可以通过 -d 修改。它依据行号对齐,而不是依据用户名、ID 等键值做关联,因此不能替代数据库中的 JOIN。
提取、转换并重新组合字段
下面准备一份用户数据和一份团队名称。先从冒号分隔的数据中提取姓名,再提取角色并转换为大写,最后使用逗号把姓名、角色和团队按行组合。
printf '%s\n' 'alice:dev:18' 'bob:ops:25' 'carol:qa:12' > users.txt
printf '%s\n' backend platform quality > teams.txt
cut -d: -f1 users.txt > names.txt
cut -d: -f2 users.txt | tr '[:lower:]' '[:upper:]' > roles.txt
paste -d',' names.txt roles.txt teams.txt预期输出
alice,DEV,backend
bob,OPS,platform
carol,QA,quality这里的处理顺序很重要:cut 负责选字段,tr 只改变字段中的字符,paste 再把三个同样按行排列的结果横向合并。每条命令只承担一个职责,出现错误时也更容易定位是哪一步产生了异常。
选择字段时的关键边界
cut -d 适合分隔符明确且字段内部不会再次出现该分隔符的简单格式。若处理带引号、转义和嵌套分隔符的 CSV,cut 无法理解 CSV 语义,此时应使用专门的 CSV 工具或脚本解析器。
tr 最适合一对一字符映射或集合操作。例如把冒号改成逗号、删除回车符、统一大小写都很自然;需要把 dev 改成 development 这类字符串级替换时,应改用 sed、awk 或其他文本处理工具。
合并文本前先确认对齐条件
使用 paste 前,要先确认多个输入的行顺序代表同一组对象。只要某个文件少一行、顺序不同或中间插入了额外记录,后续行就可能错误配对。对于依赖业务主键的关联,应使用能够按键匹配的工具,而不是按行号拼接。
在结构简单、数据规模适中的文本流水线中,cut、tr 和 paste 可以快速完成“提取字段 → 变换字符 → 横向组合”。先判断数据是否真的是规则文本,再选择这些轻量命令,能避免把简单任务写成不必要的脚本。