Cómo usar el comando de corte de Linux

linux cut El comando le permite extraer porciones de texto de archivos o flujos de datos. Es especialmente útil para trabajar con datos delimitados, como archivos CSV. Esto es lo que necesita saber.

El comando de corte

El cut command es un veterano del mundo de Unix y debutó en 1982 como parte de AT&T System III UNIX. Su propósito en la vida es cortar secciones de texto de archivos o secuencias, de acuerdo con los criterios que establezca. Su sintaxis es tan simple como su propósito, pero es esta simplicidad conjunta lo que lo hace tan útil.

A la antigua manera de UNIX, combinando cut con otras utilidades como grep puede crear soluciones elegantes y poderosas para problemas difíciles. Si bien hay varias versiones del cut, hablaremos de la versión estándar de GNU/Linux. Tenga en cuenta que otras versiones, especialmente la cut que se encuentra en las variantes de BSD, no incluye todas las opciones descritas aquí.

Puede verificar qué versión está instalada en su computadora ejecutando este comando:

cut --version

Si ve "GNU coreutils" en el resultado, está en la versión que describiremos en este artículo. Todas las versiones de cut tienen algunas de estas características, pero la versión de Linux ha agregado mejoras.

Primeros pasos con el corte

Si estamos ingresando información cut o usando cut para leer un archivo, los comandos que usamos son los mismos. Cualquier cosa que puedas hacer con un flujo de entrada cut se puede hacer en una línea de texto de un archivo, y al revés. Podemos decir cut para trabajar con bytes, caracteres o campos delimitados.

Para seleccionar un solo byte, usamos el -b (byte) opción y decirlo cut qué byte o byte queremos. En este caso, es el byte cinco. Estamos enviando la cadena "how-to geek" en el archivo cut comando con una tubería, “|”, de echo .

echo 'how-to geek' | cut -b 5

El quinto byte en esa cadena es "t", entonces cut responde imprimiendo "t" en la ventana de terminal.

Para especificar un rango usamos un guión. Para extraer los bytes del 5 al 11 inclusive, emitiremos este comando:

echo 'how-to geek' | cut -b 5-11

Puede proporcionar múltiples bytes individuales o rangos separándolos con comas. Para extraer el byte 5 y el byte 11, use este comando:

echo 'how-to geek' | cut -b 5,11

Para obtener la primera letra de cada palabra podemos usar este comando:

echo 'how-to geek' | cut -b 1,5,8

Si usa el guión sin un primero número, cut devuelve todo, desde la posición 1 hasta el número. Si usa el guión sin un segundo número, cut devuelve todo, desde el primer número hasta el final de la secuencia o línea.

echo 'how-to geek' | cut -b -6

echo 'how-to geek' | cut -b 8-

Usando el corte con personajes

Utilizando cut con caracteres es muy parecido a usarlo con bytes. En ambos casos, se debe prestar especial atención a los caracteres complejos. Utilizando el -c (personaje), digamos cut funcionan en términos de caracteres, no de bytes.

echo 'how-to geek' | cut -c 1,5,8

echo 'how-to geek' | cut -c 8-11

Estos funcionan exactamente como cabría esperar. Pero mira este ejemplo. Es una palabra de seis letras, así que pregunto cut para devolver los caracteres del uno al seis, debe devolver la palabra completa. Pero no es así. Es un carácter corto. Para ver la palabra completa necesitamos preguntar por los caracteres del uno al siete.

echo 'piñata' | cut -c 1-6

echo 'piñata' | cut -c 1-7

El problema es que el carácter "ñ" en realidad son dos bytes. Podemos verlo con bastante facilidad. Tenemos un archivo de texto corto que contiene esta línea de texto:

cat unicode.txt

Examinaremos ese archivo con el hexdump utilidad. Utilizando el -C La opción (canónica) proporciona una tabla de dígitos hexadecimales con el equivalente ASCII a la derecha. En la tabla ASCII no se muestra la “ñ”, sino que hay puntos que representan Dos caracteres no imprimibles. Estos son los bytes resaltados en la tabla hexadecimal.

hexdump -C unicode.txt

Estos dos bytes son utilizados por el espectador, en este caso el shell Bash, para identificar la "ñ". Muchos caracteres Unicode usan tres o más bytes para representar un solo carácter.

Si pedimos el carácter 3 o el carácter 4 se nos muestra el símbolo de un carácter no imprimible. Si pedimos 3 bytes Y 4, la concha los interpreta como "ñ".

echo 'piñata' | cut -c 3

echo 'piñata' | cut -c 4

echo 'piñata' | cut -c 3-4

Usar corte con datos delimitados

Podemos preguntar cut para dividir líneas de texto utilizando un delimitador especificado. De forma predeterminada, el corte usa un carácter de tabulación, pero es fácil decirle que use lo que queramos. Los campos en el archivo "/etc/passwd" están separados por dos puntos ":", por lo que lo usaremos como delimitador y extraeremos algo de texto.

Las porciones de texto entre los delimitadores se llaman camposy son referenciados como bytes o caracteres, pero están precedidos por -f (campos) opción. Puede dejar un espacio entre la "f" y el dígito, o no.

El primer comando utiliza el -d (delimitador) opción para indicar al cortar usar “:” como delimitador. Extraiga el primer campo de cada línea en el archivo "/etc/passwd". Será una lista larga, por lo que estamos usando head con el -n (número) opción para mostrar solo las primeras cinco respuestas. El segundo comando hace lo mismo pero usa tail para mostrarnos las últimas cinco respuestas.

cut -d':' -f1 /etc/passwd | head -n 5

cut -d':' -f2 /etc/passwd | tail -n 5

Para extraer una selección de campos, enumérelos como una lista separada por comas. Este comando extraerá los campos del uno al tres, cinco y seis.

cut -d':' -f1-3,5,6 /etc/passwd | tail -n 5

Incluso grep en el comando, podemos buscar líneas que incluyan "/bin/bash". Esto significa que solo podemos enumerar aquellas entradas que tienen Bash como shell predeterminado. Por lo general, serán cuentas de usuario "normales". Le pediremos los campos del uno al seis porque el séptimo campo es el campo de shell predeterminado y ya sabemos cuál es, lo estamos buscando.

grep "/bin/bash" /etc/passwd | cut -d':' -f1-6

Otra forma de incluir todos menos uno de los campos es usar el --complement opción. Esto invierte la selección del campo y muestra este ella no ha sido solicitado. Repetimos el último comando pero solo pedimos el campo siete. Luego ejecutaremos ese comando nuevamente con el --complement opción.

grep "/bin/bash" /etc/passwd | cut -d':' -f7

grep "/bin/bash" /etc/passwd | cut -d':' -f7 --complement

El primer comando encuentra una lista de entradas, pero el campo siete no nos da nada para diferenciarlas, por lo que no sabemos a quién se refieren las entradas. En el segundo comando, agregando el --complement opción obtenemos todo excepto el campo siete.

Tubería cortada por cizalla

Quedándonos con el archivo "/etc/passwd", extraigamos el campo cinco. Este es el nombre real del usuario propietario de la cuenta de usuario.

grep "/bin/bash" /etc/passwd | cut -d':' -f5

El quinto campo tiene subcampos separados por comas. Rara vez se completan, por lo que aparecen como una fila de comas.

Podemos eliminar las comas insertando la salida del comando anterior en otra invocación de cut . La segunda instancia de cut utilice la coma “,” como delimitador. El -s (solo delimitado) la opción dice cut para suprimir los resultados que no contienen el delimitador en absoluto.

grep "/bin/bash" /etc/passwd | cut -d':' -s -f5 | cut -d',' -s -f1

Dado que la entrada raíz no tiene subcampos de coma en el quinto campo, se suprime y obtenemos los resultados que buscamos: una lista de los nombres de usuario "reales" configurados en esta computadora.

RELACIONADO: ¿Cómo funcionan los permisos de archivos de Linux?

El delimitador de salida

Tenemos un pequeño archivo con algunos valores separados por comas en ellos. Los campos en estos datos ficticios son:

• IDENTIFICACIÓN: un número de identificación de la base de datos
• Primero: El nombre del sujeto.
• Ultimo: El apellido del sujeto.
• Email: Su dirección de correo electrónico.
• dirección IP: Su dirección IP.
• Marca: La marca del vehículo de motor que conducen.
• Plantilla: El modelo del vehículo de motor que conducen.
• Año: El año en que se fabricó su vehículo de motor.

cat small.csv

Si le decimos a cut que use la coma como delimitador, podemos extraer los campos tal como lo hicimos antes. A veces, necesita extraer datos de un archivo, pero no desea que el delimitador de campo se incluya en los resultados. Utilizando el --output-delimiter podemos decirle al corte qué personaje, o de hecho, personaje secuencia: se utilizará en lugar del delimitador real.

cut -d ',' -f 2,3 small.csv

cut -d ',' -f 2,3 small.csv --output-delimiter=" "

El segundo comando dice cut para reemplazar las comas con espacios.

Podemos ir más allá y usar esta función para convertir la salida en una lista vertical. Este comando utiliza un carácter de nueva línea como delimitador de salida. Tenga en cuenta el "$" que debemos incluir para que el carácter de nueva línea actúe y no se interprete como una secuencia literal de dos caracteres.

Usaremos grep para filtrar la entrada de Morgana Renwick y preguntar cut para imprimir todos los campos desde el campo dos hasta el final del registro y para usar un carácter de nueva línea como delimitador de salida.

grep 'renwick' small.csv | cut -d ',' -f2- --output-delimiter=$''

Un anciano pero Goldie

Al momento de escribir este artículo, el comando de recorte pequeño se acerca a su 40 cumpleaños y todavía lo estamos usando y escribiendo sobre él hoy. Supongo que cortar el texto hoy es el mismo que hace 40 años. Es decir, mucho más fácil cuando se tiene a mano la herramienta adecuada.

RELACIONADO: 37 comandos importantes de Linux que debes conocer