Linux shell逐行处理文本求和,我人傻了...

良许Linux

共 4360字,需浏览 9分钟

 ·

2021-07-04 08:42


作者:守望,Linux应用开发者,目前在公众号【编程珠玑】 分享Linux/C/C++/数据结构与算法/工具等原创技术文章和学习资源。

假设要要计算文本test.data的第二列的数字之和:
1 12 
2 23 
3 34 
4 56 
当然你可能会这样处理:
awk '{s+=$2} END {print s}' test.data 
很快就得到了结果。不过,本文要说的点与awk无关。我们通过另外一种方式来计算,即逐行分析处理的方式。

尝试一

我们尝试第一种方式,shell实现如下:
#!/usr/bin/env bash
sum=0
cat test.data | while read line
do
    temp_num=$(echo "$line" | cut -d ' ' -f 2)
    sum=$(( $sum + $temp_num ))
done
echo "we get sum:$sum"
输出结果:
we get sum:0
这是为什么!为什么得到的结果会是0呢?
这事坏就坏在脚本中的|,众所周知,这是一个管道命令,而这也就意味着,while循环的执行结果都是在一个subshell中,一旦这个subsell退出了,它里面的结果也就没有了。
其实这个问题利用有了这个神器,再也不怕shell写得不对了中提到的工具很容易发现:

$ shellcheck myscript

Line 3:
cat test.data | while read line
    ^-- SC2002: Useless cat. Consider 'cmd < file | ..' or 'cmd file | ..' instead.
                      ^-- SC2162: read without -r will mangle backslashes.

Line 6:
    sum=$(( $sum + $temp_num ))
    ^-- SC2030: Modification of sum is local (to subshell caused by pipeline).
            ^-- SC2004: $/${} is unnecessary on arithmetic variables.
                   ^-- SC2004: $/${} is unnecessary on arithmetic variables.

Line 8:
echo "we get sum:$sum"
                 ^-- SC2031: sum was modified in a subshell. That change might be lost.

$

尝试二

既然管道命令不建议用,那么我们使用下面的方式看看:
#!/usr/bin/env bash
sum=0
for line in $(cat test.data)
do
    echo "get line :$line"
    temp_num=$(echo "$line" | cut -d ' ' -f 2)
    sum=$(( $sum + $temp_num ))
done
echo "we get sum:$sum"
输出结果:
get line :1
get line :12
get line :2
get line :23
get line :3
get line :34
get line :4
get line :56
we get sum:135
从结果中看出,如果文本中存在空格或者tab等,则看似每次读取一行,实际上是遇到空格,tab或换行就停止读取了,并没有达到我们的目的。
我们预期的应该是遇到换行才停止读取,为了达到这个目的,我们可以设置这个标记,即通过设置IFS来达到目的。在上面的shell开头加上:
IFS=$'\n'
但是修改为这样之后,在自己的系统上并没有得到我想要的效果,有知道的读者可以告知一下。

尝试三

让我们再换一种方式:
#!/usr/bin/env bash
sum=0
while read line
do
    echo "line $line"
    temp_num=$(echo "$line" | cut -d ' ' -f 2)
    sum=$(( $sum + $temp_num ))
done < "test.data"
echo "we get sum:$sum"
这种方式我们是能得到正确结果的。
当然,如果你要读取指定列,你还可以像下面这样做:
#!/usr/bin/env bash
sum=0
while read col1 col2
do
    sum=$(( $sum + $col2 ))
done < "test.data"
echo "we get sum:$sum"
其中col1,col2就分别代表了第一列,第二列,使用的时候,可以直接使用对应列的内容。
但是,如果我们要读取的内容包括了转义字符会怎么办?例如:
\n 12
\n 23
\n 34
\n 56
执行结果:
line 
 12
line 
 23
line 
 34
line 
 56
we get sum:125
从结果可以看到,虽然内容能否读取到,但是内容被打印出来的时候,已经变了,\被当成转义字符处理了,如果不想让它转义处理怎么办?只需要加上-r参数即可:
while read -r line

总结

在逐行处理文本过程中,主要关注以下几种情况:
  • 行中有空格,tab
  • 行中有转义字符
另外,通过shellcheck工具也会发现,它并不推荐for in file这种方式逐行处理文本:
Line 3:
for line in $(cat test.data)
            ^-- SC2013: To read lines rather than words, pipe/redirect to a 'while read' loop.

浏览 75
点赞
评论
收藏
分享

手机扫一扫分享

举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

举报