linux指令實踐-cut

cut指令從檔案的每一行剪切位元組、字元和字段并将它們寫至标準輸出。它是以檔案的每一行作為處理對象的。 

　　指令格式：cut [選項] [範圍] 檔案。選項用來指定機關(位元組、字元還是字段)，範圍指定選項的位置。 

　　常用的選項有：

　　-b：指定以位元組為機關顯示選中内容

　　-c：指定以字元為機關顯示選中内容

　　-f：指定以字段為機關顯示選中内容

　　-d：指定字段的分界符，預設為制表符

　　其它的選項還有-n（僅和-b選項一起使用）、-s（僅和-f選項一起使用）　

　　範圍表示：

　　n：第n個位元組/字元/字段

　　n-：從第n個位元組/字元/字段到最後一個位元組/字元/字段

　　n-m：從第n個位元組/字元/字段到第m個位元組/字元/字段，包括m

　　-m：從行的開頭到第m個位元組/字元/字段，包括m

　　-：從行開頭到行的最後

　　

　　一、顯示passwd檔案中使用者名、密碼、使用者ID和使用者目錄。

passwd檔案每行分為七列，以:為分隔符；這七列依次是使用者名、密碼、使用者ID、組ID、使用者描述、使用者目錄、使用者bash。由于passwd檔案内容過多，我們這裡用sed顯示其中的1-6行。　　

　　二、顯示前兩個位元組或前兩個字元　

　　看起來-b選項和-c選項沒什麼差別嘛。。其實不然，若檔案内容有漢字就可以看出來兩者的差别了。　

　　三、

　

　　你是不是有些疑惑：漢字不是占兩個位元組麼？cut -b 1-2 test1正好是顯示兩個位元組呀。。不錯，網上有很多資料都是這麼說的，而且它們會告訴你用cut -b 1-3就可以完整的顯示出一個漢字，原因是cut -b 1-2以位元組為機關來處理，字元被“切成兩半”，是以無法正常顯示。

　　但是看了下面的圖檔，你或許會有不同的看法：　

     呵呵。。實在不好意思，貌似從utf-8到gb2312的編碼轉換沒有成功，但是沒關系，這不影響我們對為什麼cut -b 1-2不能正确顯示漢字的判斷。

　這個圖檔就可以說明-b和-c選項的差别：我們用cut -b 1-2 test1時，沒有顯示出漢字，但是換成-c選項則可以顯示兩個漢字。這就是-b（位元組）和-c（字元）之間的差別。

　　我們看到編碼為utf-8的test1檔案第一行一共有５個漢字和３個字母，但wc -c統計是19個位元組，而編碼為iso-8859的test檔案統計為14個位元組！（wc -c在統計位元組時，結束符/換行符也作為一個位元組。） 

    這表明：在utf-8編碼下，漢字是占三個位元組的！

　 大家可自己動手試驗一下，在utf-8編碼下，用cut -b 1-3可以顯示一個漢字，而在其它編碼如gb2312、iso-8859等編碼下，用cut -b 1-2就可以顯示一個漢字。

本文轉自 li_qinshan 51CTO部落格，原文連結:http://blog.51cto.com/share/177913