Linux wc 命令:统计行数、词数、字符数与字节数

wc 是一个命令,用于统计文件或标准输入中的行数、单词数、字节数和字符数。当不带选项运行时,它会按顺序输出换行符数、单词数和字节数,您也可以使用 -l、-w、-c 和 -m 来选择只显示所需的数值。

它不仅常用于简单的统计,还用于检查日志条目的数量、汇总搜索结果、验证数据文件以及在 shell 脚本中进行条件判断。但是,您需要注意 wc -l 统计的是换行符的数量,而不是屏幕上可见的行数,并且在使用 -c 和 -m 时要理解它们之间的区别。

wc 命令是什么?

wc 是 word count(词数统计)的缩写,用于统计输入中的换行符、单词、字节和字符数。只统计普通文件的字节数时,GNU wc 可以利用文件大小信息,并非所有模式都会逐字节读取整个文件,具体可参见 GNU wc 的字节计数实现。如果未指定文件,或者用 - 替代文件名,它将从标准输入读取,这使得通过管道与其他命令连接非常方便。

在 GNU wc 中,单词是由空白字符分隔的非空字符序列。它不进行语法分析或词典分词,因此附带标点的字符串也可以被计为一个单词。

基本语法及如何读取输出

基本语法如下。方括号表示可选项,不应包含在实际命令中。

wc [options] [file...]

以下示例假设文件已存在且可读;请在自己的练习目录中准备文件,并按实际内容解释结果。不要覆盖原始日志。文件名、内容与编码不同,数值也会不同。GNU 扩展选项应先用 wc --help 确认支持。

不带选项指定单个文件时,会显示换行符数、单词数、字节数及文件名。下面的输出是格式示例。

wc notes.txt
12  48  317 notes.txt

上述结果意味着 notes.txt 包含 12 个换行符、48 个单词和 317 字节。输出字段的间距可能因输入而异,因此不应根据空格数量来解释结果。

要仅查看所需的数值,请指定相应的选项。

wc -l notes.txt
wc -w notes.txt
wc -c notes.txt

wc 的主要选项

选项 计算对象 注意事项
-l、--lines 换行符的数量 如果最后一行没有换行符,该行不包括在内
-w、--words 由空白字符分隔的单词数 空白字符的判定受语言环境影响
-c、--bytes 字节数 多字节字符每个字符可以有多个字节
-m、--chars 字符数 受当前语言环境和字符编码影响
-L、--max-line-length 最长行的屏幕宽度 不仅仅是简单的字符计数;制表符和宽字符也会被考虑
--files0-from=file 以 NUL 字符分隔的文件列表 GNU 扩展选项,对于处理带特殊字符的文件名很有用

您也可以同时指定多个选项。输出顺序不是由选项的顺序决定的,固定为换行符数、单词数、字符数、字节数、最大显示宽度。有关确切定义和 GNU 扩展选项,您可以参考GNU Coreutils 官方手册源码中的 wc invocation 一节。

如何准确计数行数

wc -l 计数换行符

wc -l 输出的是输入中的换行符数量,而不是逻辑行数。对于典型的文本文件,每行以换行符结束,因此结果与行数相符,但如果最后一行没有换行符,则可能比可见行数少一行。

wc -l access.log

您可以通过检查最后一个字节来判断一个文本文件是否以换行符结束。如果结果是 0a,则表示它以 LF(换行)字节结束。空文件不会输出末尾字节;CRLF 换行中的 LF 同样计作一个换行符,单独的 CR 不会被 -l 计数。

tail -c 1 notes.txt | od -An -t x1

只输出数字,不包括文件名

如果您将文件作为参数传递,结果后面会显示文件名。如果您只想在 shell 变量中存储数字,可以使用标准输入重定向。

line_count=$(wc -l < notes.txt)
printf '%s\n' "$line_count"

GNU wc 在打印单个值时不会显示前导空格,但如果脚本还考虑其他实现,单独验证数字格式会更安全。

字节计数与字符计数的区别

-c 统计字节

wc -c 计算输入中的字节数。它适用于检查文件的字节大小或计算实际要传输的数据大小。

wc -c document.txt

若只要文件系统记录的逻辑字节大小,也可使用 GNU stat。它读取元数据;这不是磁盘实际分配空间,GNU wc 仅计字节时也可能使用大小信息优化。

stat -c '%s' document.txt

-m 根据语言环境统计字符数

wc -m 根据当前语言环境(locale)和编码计算字符。在 UTF-8 中,ASCII 字符占 1 个字节,而非 ASCII 字符可能使用多个字节,因此 -c 和 -m 对同一个文件的结果可能不同。

printf 'Linux café\n' | wc -c
printf 'Linux café\n' | wc -m

若文件按 UTF-8 编码且当前语言环境支持 UTF-8,上例会分别输出 12 字节和 11 个字符,均包含末尾换行。请先用 locale 检查环境。GNU wc 的 -m 不计编码错误;组合字符和 emoji 序列也不一定等于人眼看到的一个字形。

词数是如何计算的?

wc -w 统计由空白字符分隔的非空字符串。连续的空格或制表符作为分隔符,它不会删除标点符号,也不会分析语言的形态。

printf 'one  two\tthree\n' | wc -w
3

空白字符的判定受 locale 影响;GNU wc 在未设置 POSIXLY_CORRECT 时还把 U+00A0、U+2007、U+202F、U+2060 视为空白。中文等语言需要专门的分词器;wc -w 也不能替代语言模型的 tokenizer(词元切分器)。

检查多个文件的计数和总数

按文件的结果及总计行

当指定多个文件时,在每个文件的结果之后会添加一个 total 行显示累计计数;-L 的汇总值取各文件最大显示宽度,不做相加。

wc -l january.log february.log march.log
  120 january.log
  135 february.log
   98 march.log
  353 total

使用 GNU --total 选项指定总计显示方法

支持该选项的 GNU wc 允许使用 --total=auto、always、only 或 never 控制总计行的显示。如果只需要总数,可以按如下方式使用。

wc -l --total=only january.log february.log march.log

--total 是 GNU 扩展,在较旧的 Coreutils 或其他类 Unix 环境中可能不可用。如果需要可移植性,请使用 wc --help 检查支持情况,不支持时不要直接使用它。常规计数可读取多文件输出末尾的总计行,但不要把它与单文件行或错误输出混淆。

使用管道的实际示例

计算搜索结果行数

在普通文本日志中,您可以将 grep 的结果传给 wc -l。此例默认区分大小写;同一行有多个 ERROR 仍只算一行。

grep 'ERROR' app.log | wc -l

如果只需要单个文件中匹配行的数量,grep -c 'ERROR' app.log 更直接。即使模式在同一行中出现多次,两个方法也只计算一次该行。管道默认只返回最后一条命令的状态,因此 grep 读取失败时,wc 输出 0 也不代表查询成功;自动化应区分 grep 的无匹配状态 1 与错误状态 2,并检查上游命令。有关详细的搜索方法,请参考 Linux grep 命令用法。

检查 CSV 数据中的行数

如果 CSV 文件的第一行包含列名,您可以使用 tail -n +2 跳过标题行,然后统计剩余的 LF 换行符数。只有每条记录占一物理行且末行也以 LF 结束时,才可把它作为数据记录数。

tail -n +2 data.csv | wc -l

对于 CSV 字段中允许实际换行的文件,单条记录可能占用多行,因此不能通过这种方式准确计算记录数。这类文件需要使用 CSV 解析器处理。您可以在 Linux tail 命令的范围选择方法 中查看在 tail 中指定范围的方法。

即使文件名中包含特殊字符,也能安全地计数

先确认 ./logs 存在且可读;下例递归搜索其中所有普通的 .log 文件。如果文件名包含换行符,find 的普通输出可能会导致项目计数错误。在 GNU 环境中,您可以用 NUL(零字节)分隔文件名,然后计算 NUL 的数量。

find ./logs -type f -name '*.log' -print0 | tr -cd '\0' | wc -c

对于包含空格和换行符的文件名,这比单纯使用 find... | wc -l 更安全。搜索模式 *.log 应该加引号,以防 shell 先进行扩展。

统计进程列表中的条目

这里统计所有选中进程的条目,包含睡眠等状态,并非只统计正在 CPU 上运行的进程;选项定义见 procps 的 ps 官方手册源码。如果 GNU/Linux ps 支持 --no-headers,您可以计算进程列表的行数(不包括标题行)。

ps -e --no-headers | wc -l

它是在执行命令的瞬间的快照,结果可能会因是否包括管道自身的进程或 ps 的实现而有所不同。在将其用作监控指标时,考虑使用专用工具或基于 /proc 的收集方法。

检查最长行的长度

wc -L 计算屏幕上显示的最大宽度,而不是最长行的简单字节数或字符数。GNU wc 根据当前的区域设置考虑宽字符,并按每 8 列一个制表位计算制表符,不可打印字符按零宽处理;终端实际显示还可能因字体与 emoji 渲染而不同。

wc -L table.txt

因此,您不应假设 -L 的结果与使用 awk '{ print length }' 获得的字符长度或从 wc -c 获得的字节数相同。对于需要精确字符计数的任务,例如代码风格检查,您应该先确认工具所使用的长度定义。

安全处理大量文件

避免命令行长度限制

当文件非常多时,shell 对通配符的展开可能会超过命令行长度限制。GNU wc 的 --files0-from=- 选项从标准输入读取以 NUL 分隔的文件列表,以避免此问题。

find ./logs -type f -name '*.log' -print0 | wc -l --files0-from=-

此命令打印每个日志文件的换行符数;当处理多个文件时,默认再输出总计行。列表为空时不会输出文件计数。即使文件名包含空格或换行符,输入文件名仍能安全传递,因为它使用 NUL 分隔符;输出中的文件名仍可能包含换行,不要据此按行解析输出。通过 --files0-from=- 传递列表时不能再把标准输入当作待统计文件。

使用 xargs 时要注意总和

当文件很多时,find... | xargs wc -l 可以拆分为多次 wc 执行。在这种情况下,每次处理多个文件的执行会生成自己的 total,使得直接读取总体总数变得困难。在 GNU 环境下,--files0-from=- 更适合一次性汇总整个列表。

在 shell 脚本中使用的原则

仅请求您需要的值

不要通过空格拆分 wc 输出的多列数据;相反,仅通过 -l、-w 或 -c 请求所需的值。如果文件名也不需要,可以使用输入重定向。

bytes=$(wc -c < archive.dat)

区分错误和 0

空文件的 0 结果与读取文件失败的错误有不同的含义。如果只存储值,可能会错过标准错误或退出状态,因此在重要的自动化中,也要检查命令是否成功。下面的赋值返回 wc(或输入重定向)的状态;else 中的 printf 成功不代表整段脚本返回失败,自动任务如需传播失败状态应在该分支明确退出。

if count=$(wc -l < input.txt); then
 printf 'lines=%s\n' "$count"
else
 printf 'Could not read input.txt.\n' >&2
fi

常见误解与注意事项

wc -l 的结果比预期少 1

最后一行很可能没有以换行符结尾。wc -l 统计换行符,因此它不包含不完整的最后一行。在随意更改原始格式之前,请检查生成该文件的程序的输出规则。

-c 和 -m 在多字节字符方面有所不同

-c 统计字节,而 -m 统计字符。在像 UTF-8 这样的多字节编码中,这种差异是正常的。如果目的是存储大小,请使用 -c;若需要按编码解码后的字符数,请检查编码和语言环境,再使用 -m。它不保证等于人眼识别的字形数。

我可以用 ls 输出统计文件数量吗?

对于普通文件名,ls | wc -l 可能看起来很简单,但由于别名、输出格式以及包含换行符的文件名,它并不适合自动化处理。使用 find 来指定文件类型和搜索深度,如果处理任意文件名,请选择以 NUL 分隔的方法。

常见问题解答

如果在不加选项的情况下运行 wc 会发生什么?

默认情况下,会按顺序输出行数、单词数和字节数。如果将文件作为参数指定,文件名也会在最后显示。

空文件的 wc 结果是什么?

一个没有内容的空文件在行数、词数和字节数上都是 0。一个仅包含一个换行符的文件,wc -l 结果将显示 1,字节数可能因使用的换行符格式而异。

wc -w 在每种语言中都能准确计数词吗?

wc -w 计数由空白符分隔的字符串;它不执行语言感知的词语分割。应将结果视为由空白符分隔的计数,而不是语言学上的词数。

我可以统计目录本身的行数吗?

wc 不是直接用于计算目录条目的命令。您需要使用像 find 这样的命令创建您想要的文件列表,然后汇总结果。如果文件名中可能包含特殊字符,请使用 NUL 字符作为分隔符而不是换行符。

总结

可以使用 wc -l 检查行数,wc -w 检查单词数,wc -c 检查字节数,wc -m 检查字符数。没有选项时的输出按顺序显示行数、单词数和字节数,如果指定了多个文件,默认会显示每个文件的计数和总计;-L 汇总的是最大显示宽度。

为了获得准确的结果,请记住 wc -l 会计算换行符,字节和字符可能不同,并且文件名列表可能需要 NUL 分隔符。要查看其他基本工具,可以参考 Linux 常用命令速查。