Linux cut 命令:提取字段、字符范围与处理分隔符

cut 从每一行中选取指定的字节位置、字符位置或分隔符划分的字段,并将结果输出。它适合结构简单、分隔规则固定的文本;含引号内逗号或跨行字段的 CSV(逗号分隔值)文件,应使用专门的 CSV 解析器。

字段模式 -f 默认以制表符分列;冒号、逗号等分隔符要用 -d 指定。-c 和 -b 的区别还涉及工具版本及字符编码,处理中文等多字节文本前必须确认实现行为。

基本语法与位置列表

cut -d '分隔符' -f 字段列表 [文件...]

这是语法说明,实际运行时要替换占位内容。-f 选字段,-c 选字符位置,-b 选字节位置;三种基本模式一次选择一种。没有文件参数或文件名为 - 时,从标准输入读取;通常把结果写到终端,不会修改输入文件。

编号从 1 开始。例如 1,3 选第一和第三项,2-4 包含第二至第四项,3- 表示第三项到行末,-4 表示第一至第四项。选择列表中的顺序不决定输出顺序:-f 7,1 仍按原行先后输出第一和第七字段;同一位置重复指定也只输出一次。不同版本支持的扩展可能不同,可先运行 cut --version 和 man cut 确认。

完整示例:冒号字段与行首范围

先准备可复现的文本文件。在可写的工作目录运行以下命令,建立一个新的 cut-demo 目录。目录已存在时命令停止,请换一个未使用的目录名,避免覆盖已有练习。下面的账号格式数据完全是示例,不会读取或修改真实系统账号。

mkdir cut-demo && cd cut-demo && (
  set -e
  set -o noclobber
  printf 'alice:x:1001:1001:Alice:/home/alice:/bin/bash\nbob:x:1002:1002:Bob:/home/bob:/bin/sh\n' > accounts.txt
  printf 'abcdefghijk\n1234567890\nshort\n' > sample.txt
  cut -d ':' -f 1 accounts.txt
)

结果为 alice 和 bob,各占一行。冒号是分隔符,-f 1 只选择第一字段。后续文件示例继续在 cut-demo 中运行。

在 Linux 上查看真实本地账号文件的第一字段时,原来的命令是 cut -d ':' -f 1 /etc/passwd。其中第一字段为用户名,第七字段通常记录登录 Shell;机器上的实际内容因账号而异。该文件仅反映本地文件内容,不能代表目录服务等来源提供的全部账号。

选取多个字段。同时取第一和第七字段:

cut -d ':' -f 1,7 accounts.txt

结果依次为 alice:/bin/bash、bob:/bin/sh,各占一行。选中字段之间仍以冒号分隔。在真实 Linux 本地账号文件上,对应写法为 cut -d ':' -f 1,7 /etc/passwd,它也是只读操作。

提取每行开头的一段。用纯 ASCII(美国信息交换标准代码)文本先验证范围的含义:

cut -c 1-8 sample.txt

结果为 abcdefgh、12345678、short,各占一行。较短的行只输出实际存在的内容,不会补足八个字符;ASCII 示例中,一个字符对应一个字节,不能据此推断中文文件也能按相同方式截取。

从标准输入提取字段

下面两行以冒号分隔,管道把它们交给 cut。-d: 和 -f1 分别是指定冒号及第一字段的紧凑写法:

printf 'alpha:100\nbeta:200\n' | cut -d: -f1

输出如下:

alpha
beta

这里的行规则很简单,因此无需复杂解析。连续分隔符则会产生空字段:alpha::100 的第二字段为空。选取这种行的第二字段会输出一个空行,不能把它误认为命令没有运行。

主要选项与默认行为

选项 含义
-d 分隔符 指定字段分隔字符;默认是制表符,传统字段模式使用单个分隔字符。
-f 列表 选取字段编号或范围,输出保持原字段顺序。
-c 列表 按字符位置选择;多字节字符支持需核对具体实现和版本。
-b 列表 按字节位置选择,可能截断一个多字节字符。
-s 在字段模式中,不输出完全没有分隔符的行。

字段模式默认会原样输出没有分隔符的行。例如用 cut -d ':' -f 2 处理 plain,结果仍然是 plain;加上 -s 才会将它排除。但 alpha:100 存在冒号,若选取不存在的第三字段,会得到空行。-s 不是“删除所有空结果”的选项。

空格、CSV 与中文截取的限制

cut -d ' ' -f2 把每一个普通空格作为分隔符。对于 alpha beta,两个空格之间的第二字段为空,并不会像按空白词语切分那样得到 beta。遇到多个空格、制表符混合的列,通常可使用 awk 文本处理教程(英文)中的空白字段处理方式。

新版本可能增加相关功能:GNU Coreutils 9.11 的 项目原版 cut 手册页列出了将连续空白作为分隔符的 -w 等扩展。旧版本不一定支持,不能把这些选项视为所有 Linux 环境都具备的基本语法。上面的示例不依赖它们。

CSV 的问题则在于记录结构。例如 "Smith, Jane",42 中,名字里的逗号并不分隔两列;普通 cut -d ',' 不理解引号转义或引号内换行,无法据此准确提取字段,应选择具备 CSV 解析能力的工具。

中文等文本通常采用 UTF-8,一个字符可能占多个字节。-b 按字节截取可能破坏编码;-c 虽然表示字符模式,旧版 GNU Coreutils 8.32 在本次 Windows Git 工具环境、LC_ALL=C 设置下,实际选择中文首字节的测试会产生不完整的 UTF-8 字节序列;这不是原生 Linux 的运行测试。GNU 9.11 手册已列出 -b 配合 -n 避免输出部分多字节字符的功能,因此应按目标机器的版本及实际编码验证,不能把旧版本的限制推广到所有新版本。对显示宽度、组合字符或表情的截取,也不能简单等同于字节或字符编号。

保存结果与排查异常

需要保存时,把输出重定向到不同且未使用的文件名,例如 cut -d ':' -f 1 accounts.txt > usernames.txt,再运行 cat usernames.txt 核对。已有目标文件可能被覆盖;不要把输出重定向回输入文件,否则 Shell 可能在读取前清空原文件。保留原件,验证新文件后再决定是否替换。

成功时退出状态为 0,错误时为非零值。空行可能源于空字段或超出实际字段范围,并不必然是错误。文件找不到时检查当前目录和路径;输出列不符时检查实际分隔符是空格还是制表符、是否存在连续分隔符,以及列表编号是否从一开始。

常见问题

能用 cut 提取由多个空格隔开的列吗?

单空格分隔模式不会自动合并连续空格,字段编号可能与目视看到的列不一致。可使用 awk 等按空白切分的工具;若希望使用新版 cut 的扩展,先确认本机版本及手册支持。

规范与本机手册

POSIX(可移植操作系统接口)cut 规范规定基本的字节、字符和字段选择规则;GNU 扩展及实现差异则应结合上面的 GNU 手册和本机 man cut 判断。