使用 UNIX 进行文本处理

UNIX® 起源于简单的文本处理，并且在他的命令行环境中保留了功能最强大的文本处理工具之一。通过将一系列简单的命令组合在一起，能够完成复杂的文本转换，UNIX 提供的工具允许您构建几乎任何所需的文本处理引擎。

引言

在 UNIX® 诞生之初，人们不大熟悉这种新的操作系统，但他们很快找到了适当的切入点，大学中的研究人员需要一种像样的文本处理环境。因为在那个时候，电脑的处理速度和内存容量有限，所以程式必须很小，并且相对比较简单。这样就产生了 UNIX 中著名的设计思想：“一组工具协同工作，以便完成一项任务”。通过 UNIX 管道将几种很小的、但功能强大的文本处理工具组合在一起，能够对文本进行各种方式的转换和操作。

在本文中，您将简要了解从文档和程式中获得文本、使用 tr 命令对其进行简单的转换、使用 sed 命令进行复杂的搜索和替换操作。然后，您将使用 Perl 编程和脚本语言再次完成这些操作，这样一来您就能够认识到，Perl 的功能很强大，他能够替代 tr 和 sed 命令。

开始之前

假如您希望按照本文中的示例进行实验，请确保您能够使用 UNIX 命令行环境。这可能是本地电脑中的终端模拟程式（在现代桌面中通常称为 终端，假如您习惯使用 Windows®，那么能够使用 Cygwin）、或通过 SSH 访问的远程系统。

本文的示例所使用的 Shell 语法适用于 GNU Bash，有关需要使用的特定语法，请参考您的 Shell 手册（或能够考虑使用 Bash）。

对文本进行各种操作

在开始使用 UNIX 的各种文本实用程式操作文本之前，需要了解如何获得文本。并且在进行这项工作之前，需要了解 UNIX 的标准输入/输出 (I/O) 流。

标准 C 库（因而，每个 UNIX 程式）定义了三种标准流：输入、输出和错误。有时将他们称为 stdin、stdout 和 stderr，这是在任何 C 程式中用来表示他们的全局变量。

当您在 Shell 中使用 > 操作符将程式输出重定向到文档时，就能够将他的标准输出 (stdout) 流发送到这个文档。例如：ls > this-dir 将 ls 的输出发送到一个名为 this-dir 的文档。

当您在 Shell 中使用 < 操作符将程式输入重定向到文档时，就能够将该文档中的内容输入到该程式的标准输入 (stdin) 流。例如：sort < this-dir 能够从名为 this-dir 的文档中读取内容，并将其作为 sort 命令的输入。

另一个常用于重定向标准流的操作符是“|”（管道）操作符，他能够将左侧程式的标准输出流连接到右侧程式的标准输入流。例如：ls | sort 和前面的两个示例完成相同的任务，并且无需临时文档，ls 的输出直接进入 sort 命令。

假如您仔细观察，那么可能会发现，前面的这些示例中并没有出现标准错误 (stderr) 流。和标准输出流相同，能够对 stderr 进行重定向或使用管道进行传输，但是您需要告诉 Shell 您希望处理 stderr 而不是 stdout。

能够使用 2> 操作符将标准错误流重定向到文档。在处理生成有用的错误输出的命令时，您经常会看到这个操作符，比如用于编译 UNIX 程式的 make 工具：make 2> build-errors。

这个命令运行了 make，并将任何错误信息发送到 build-errors 文档。和之类似，您能够使用 2| 将 stderr 通过管道传递到另一个程式。

假如您对具体的细节感兴趣，那么其他的流也有和之对应的数字，尽管很少使用到他们（0 表示标准输入，1 表示标准输出），除了在一个很常见的操作符中。在清单 1 所示的示例中，2>&1 操作符将标准错误流连接 到标准输出流。和 > 操作符组合在一起，您能够使 stderr 和 stdout 输出到相同的文档中。

make > build-output 2>&1

            

命令

有两个常用来生成文本输出的标准 UNIX 命令：cat 和 echo。

cat 命令读取参数中指定的每个文档，并将这些文档的内容写入到 stdout。echo 命令将其参数写入到 stdout。您常常会发现他们作为更复杂的命令管道中的一部分（请参见清单 2）。

cat file1 file2 ... filen

            echo arguments...

            

文章整理：西部数码--专业提供域名注册、虚拟主机服务
http://www.west263.com
以上信息与文章正文是不可分割的一部分,如果您要转载本文章,请保留以上信息，谢谢!