提取文本---cut命令

cut命令可以从一个文本文件或文本流中提取文本列。cut命令将所有命令行参数理解为要执行操作的文件的文件名，如果没有参数，就对标准输入流进行操作。

在Linux系统中，我们可以通过’man cut’或者’cut –help’ 来查看cut的相关使用手册。我在这里做出一些总结：

参数说明

-b ：以字节为单位进行分割。这些字节位置将忽略多字节字符边界，除非也指定了 -n 标志。
-c ：以字符为单位进行分割。
-d ：自定义分隔符，默认为制表符。
-f ：与-d一起使用，指定显示哪个区域。
-n ：取消分割多字节字符。仅和 -b 标志一起使用。如果字符的最后一个字节落在由 -b 标志的 List 参数指示的<br />范围之内，该字符将被写出；否则，该字符将被排除。

cut命令主要是接受三个定位方法：

第一，字节（bytes），用选项-b
第二，字符（characters），用选项-c
第三，域（fields），用选项-f

字符串截取操作时候，cut以行为单位进行操作。其中在cut在进行截取字符串操作的时候，以-f选项使用最多，也是最好用的一个选项。下面就对-f选项进行详细讲解。-f选项是针对“域”信息的提取，为什么会有“域”的提取呢，因为-b和-c选项只能在固定格式的文档中提取信息，而对于非固定格式的信息则束手无策。这时候就应该用“域”。 cut命令提供了这样的提取方式，具体的说就是设置“间隔符”，再设置“提取第几个域”，就OK了
什么是“域”呢？其实就是用分隔符分割的区域而已。
首先要使用“域”，必须选定一个分隔符来进行界定“域”的存在。这个时候需要-d选项，所以使用-f选项的时候，通常会先使用-d选项。

cut的-d选项的默认间隔符就是制表符，所以当你就是要使用制表符的时候，完全就可以省略-d选项，而直接用－f来取域就可以了。

OK，现在我们要实战一下cut的域的用法。随便找个常用的例子来说吧，就还拿获取IP地址来举例。我们通过grep来过滤IP地址，但是注意的是grep过滤的是那一行信息。所以我们需要用cut来截取字符串，当然你可以用其他的方法来截取。

1	bingyu@ubuntu:~$ ifconfig lo \| grep "inet" \| cut -d ":" -f 2 \| cut -d " " -f 1

好了，这个命令看起来有那么一点长，但是其实很好理解，并且这些我们不论是在日常的工作中，还是在写shell程序时候，这个都是可以用得到的。
下面我就来解释一下这个命令是怎么写的，并且是什么意思。
命令之间使用管道命令来表示上一条命令的输出，作为下一条命令参数。
首先我们使用ifconfig lo来输出本地的IP地址，当然你可以输出任何你计算机上的IP地址。
然后使用grep来过滤掉不必要的字符，我们只想要包含IP地址的字符串。注意的是grep只能过滤掉包含所需信息的那一行。所以其他信息我们便不能通过grep来过滤了，此时我们需要用到一些特殊命令来截取字符串，这个时候我们使用cut命令来进行字符串的截取。我们只想要IP地址，我们只盯紧目标即可。我们需要观察我们目前所得到的这一行信息，然后利用规律以及可实现的方法来进去提取有效信息。我们会发现这些信息之间都是用“：”老i作为分割的。所以我们需要用到cut命令的域。我们把分割方式设置为”:”。此时，信息就被分割为了3处，也就是三个域了。此时我们需要提取第二个域，也就是使用参数”-f 2”来截取。然而这还不够，此时我们输出一下信息可以看到，还包含了我们不需要的一些信息，比如“mask”。所以我们需要把这些不需要的字符也过滤掉。也就是把他们也截取到。然后我们又会发现IP地址和”mask”之间多了一个空格，所以我们可以再次把它分为2个域，只截取空格前面的字符，即是IP地址了。但是这是在我zsh终端下的演示，也许你换个其他形式的终端或者换个操作系统就不行了。为什么呢？因为在我这个终端下显示的有冒号，可以利用冒号进行分域。比如下面的这个Ubuntu的bash终端，并没有出现冒号，全部是用空格来分割的，并且出现了多空格(红线标注处)。

此时，我们自然不能使用“：”来进行分割域，也许你会想到使用空格来分割域，但是这样是不行的，这就需要我们了解到cut的缺陷与不足了。
cut的缺陷和不足 ：处理多空格，如果文件里面的某些域是由若干个空格来间隔的，那么用cut就不行了，因为cut只擅长处理“以一个字符间隔”的文本内容。