Textové soubory

• Čítač řádků, slov a znaků
  • Program nl
  • Program wc
• Prohlížení obsahu souborů
  • Program cat
  • Program tac
  • Programy more a less
  • Programy tail a head
  • Program tee
  • Program pv
• Třídění obashu souborů
  • Program sort
• Porovnávání obsahu souborů
  • Program comm
  • Program diff
  • Program sdiff
  • Program diff3
  • Program cmp
• Hledání řetězců
  • Program fgrep
  • Program egrep
  • Program grep
• Záměna znaků
  • Program tr
• Rozdělování a spojování souborů
  • Program cut
  • Program paste
  • Program split
• Formátování textu
  • Program nroff
• Kontrola textu
  • Program ispell

Čítač řádků, slov a znaků

Program nl

Program nl přidá ke každé řádce pořadové číslo.

SYNOPSIS

nl [-v n] [-n FORMAT] [FILE ...]

OPTIONS

Pokud není zadán žádný soubor (FILE), čte se vstup ze standardního vstupu.

-v n

Začne počítat od čísla n.

-n FORMAT

Určuje formát výstupu čísel. Formát může být ln (left justified, no leading zeros), rn (right justified, no leading zeros) nebo rz (right justified, leading zeros).

EXAMPLES

Program wc

Program wc počítá řádky, slova a znaky.

SYNOPSIS

wc [-c] [-l] [-w] [soubor ...]

OPTIONS

c

zobrazi pouze pocet znaku v souboru

l

zobrazi pouze pocet radku v souboru

w

zobrazi pouze pocet slov v souboru

Neni-li žádná volba uvedena, zobrazi se postupne pocet radku, slov a znaku v souboru.

Neni-li uveden soubor, cte se standardni vstup. Je-li uvedeno vice souboru, wc zobrazi informace pro kazdy soubor a nakonec celkovy soucet.

Jako slovo se chape posloupnost znaku ohranicena znaky, nebo kombinaci znaku, mezera, tabulator, "novy radek".

EXAMPLES

Prikaz ls vypise na kazdy radek jmeno jednoho souboru a prikazewc spocita tyto radky = pocet souboru.

Prohlížení obsahu souborů

Program cat

Program cat slouží k výpisu obsahu souboru.

Program se často používá ve spojením s jiným programem, kterému se výstup z programu cat přesměruje do standardního vstupu pomocí |.

SYNOPSIS

cat [-v] [-T] [-E] [-s] [{-|soubor ...}]

OPTIONS

-

Program bude místo souboru číst ze standardního vstupu. Téhož se docílí nezadáním žádného souboru, takže se - moc nepoužívá. Může se hodit, pokud chceme zapsat něco mezi výpis dvou souborů: cat soubor1.txt - soubor2.txt.

-v

Zobrazují se netisknutelné (tzv. bílé) znaky pomocí "^" zápisu, kromě tabulátoru a konce souboru.

-T

tabulatory se zobrazuji jako ^I

-E

konec radku je oznacen znakem $

-s

Pokud se nejaky z uvedenych souboru nemuze najit, nezobrazi se zadna varovna hlaska.

Program tac

Program tac vypíše řádky souboru v opačném pořadí.
Jméno programu není náhodou cat pozpátku.

Program se hodí třeba na prohlížení logů, do kterých se zapisují poslední události vždy na konec souboru. S programem tac a less (viz níže) se dá snadno rychle prohlédnout poslední záznamy v logu.

SYNOPSIS

tac [-s retezec] [soubor]

OPTIONS

-s

Nastaví jako separátor řetezec (místo nového řádku).

EXAMPLES

Programy more a less

Program more vypisuje obsah souboru (nebo standardniho vstupu) po stránkách.

Program less je novejsi varianta programu more. Umoznuje se vracet v textu vpred i vzad.

SYNOPSIS

more [soubor ...]
less [soubor ...]

OPTIONS

Pokud je zachyceny text programem more kratsi nez obrazovka, more jen vypise text na obrazovku a ihned skonci.

Mezernik zobrazi dalsi stranku. Enter posune obsah o jednu radku. Klavesa q ( ci DEL) ukonci vypis. Klavesa h zobrazi napovedu. Ctrl-d zobrazi dalsi polovinu obrazovky. Rovnítko = vypise cislo radky. Lomítko / plus text nalezne prvni vyskyt textu. Stiskem "v" program more zavola editor vi na aktualnim radku. !prikaz provede prikaz (!sh zavola shell).

Pro čtení velkých souborů je less mnohem rychlejší a efektivnější než jakýkoliv textový editor.

Programy tail a head

Program tail zobrazi poslednich 10 radku souboru (není li určeno jinak). Neni-li soubor uveden, vstup se bere ze standardniho vstupu (z klavesnice ci z vystupu jineho programu presmerovany pomoci |).

Program head zobrazí prvních 10 řádků souboru …

SYNOPSIS

tail -n [+-i] [-f] [soubor]

OPTIONS

-n +i

zobrazovani zacina "i" jednotek od zacatku

-n -i

zobrazovani zacina "i" jednotek pred koncem

-n i

totez co -n -i

tail -f

Prikaz po dosazeni konce souboru nezkonci. Pokud se k souboru pridaji nejaka data, tak je tail ihned vypise. Ukonci jej jen Ctrl+c.

EXAMPLES

Program tee

Program tee kopíruje standardní vstup na svůj standardní výstup a do dalších uvedených souborů. Příkaz je vhodný pro použití při přesměrovávání výstupu na několik míst (jako „odbočka“).

SYNOPSIS

tee [-i] [-a] soubor [soubor ...]

OPTIONS

-i

program nereaguje na přerušení

-a

(append) standardní výstup se k daným souborům připojí, nepřepisuje je.

EXAMPLES

Následující příklad vypíše soubor.txt na standardní výstup (na obrazovku) a zároveň jej zapíše do souborů /tmp/vystup.txt a /tmp/vystup2.txt.

V dalším příkladu tee vytvořé soubor soubor.who, kde bude uložen výstup z příkazu who. Dále tee předá tento výstup příkazu wc, který spočítá počet řádek a vypíše je na terminál.

Zobrazuje průběh kopírování dat skrze rouru. Dokáže také zpomalit rychlost přenosu dat, omezit počet přenesených dat atp.

SYNOPSIS

pv [-s SIZE] [-l] [soubor ...]

OPTIONS

-l

Bude se počítat počet řádek, místo počtu bytů.

-s

Kolik bytů (nebo řádek v případě volby -l) je očekáváno že rourou proleze. Je možné přidat suffix "K", "M", "G", nebo "T" k označení kibibytů (*1024), mebibytů atd.

EXAMPLES

Následující příklad ukazuje, jak nahrát do databáze SQL soubor a zobrazovat průběh.

Třídění obashu souborů

Program sort

Program sort slouží ke setřídění obsahu souboru. Výstup jde na standardní výstup a nesmí být přesměrován do souboru, který je zároveň vstupem (jinak se přepíše dříve, než se z něj načtou data na třídění).

Vystup z programu sort jde na standardni vystup. Pokud je uvedeno vice souboru, prikaz sort se na ne diva, jako na jeden soubor.

SYNOPSIS

sort [volby] [-k specifikace_pole] [soubor ...]

OPTIONS

volba

Pokud neni uvedena, tridi se podle posloupnosti znaku radku definovanych v tabulce LC_COLLATE (obvykle ASCII posloupnost). Napriklad to muze byt soubor /usr/share/i18n/locales/POSIX (zjisti se pomoci echo $LC_COLLATE).

-b

V normalnim pripade znaky mezera a tabulator slouzi jako oddelovac poli. Pokud se pouzije tato volba, vedouci mezery, ktere predchazeji poli, se neuvazuji jako soucast pole.

-c

provadi se pouze kontrola, zda je soubor setriden. Pokud je soubor setriden, nezobrazi se zadna zprava, pokud neni, zobrazi se sprava sort:disorder:prvni radek, ktery je mimo poradi.

-d

Ignoruji se vsechny znaky, ktere nejsou alfanumericke znaky nebo mezera nebo tabulator.

-f

ignoruje se velikost pismen

-i

pri nenumerickem trideni se ignoruji netistitelne znaky. Tyto znaky se za normalnich okolnosti do souboru vubec nedostanou, takze je mozne tuto volbu ignorovat.

-M

Porovnavaji se pole, ktera obsahuji jmena mesicu. Prvni tri znaky pole, ktere nejsou mezera, se prevedou na velka pismena a setridi se v poradi JAN,...,DEC

-m

Predpoklada se, ze vstupi soubory jsou setrideny. Provede se jejich zatrideni (merge), aniz by se provadela kontrola jejich setridenosti.

-n

Provadi se numericke trideni (vnima i zaporna cisla).

-o jmeno

Jmeno je jmeno souboru, do ktereho se ulozi vystup. Lze pouzit konstrukci sort -o data data, ale sort data > data by soubor znicilo!

-r

tridi se v obracenem (sestupnem) poradi.

-tx

znak x je novy oddelovac poli. Tento znak nahrazuje mezeru jako oddelovac poli a mezera se tak stala obycejnym znakem. Mezi -t a oddelovacem nesmi byt mezera. (pr: sort -t\* +1 -2 soubor)

-u

radky, ktere by se na vystupu opakovali se vypisuji pouze jednou

-ymem

mem je pocet kilobajtu pameti, ktere muze utilita pouzit. Neni-li mem uvedeno, pouzije se maximalni velikost pameti. Je-li mem rovno 0, pouzije se minimalni velikost.

-zrec

rec je cislo specifikujici max. delku radku pri zatridovani

specifikace_pole

Specifikuje jedno nebo vice poli, podle kterych se bude tridit.

Pole radku je posloupnost znaku na radku vstupniho souboru. Pole jsou ohranicena mezerami a zacatkem a koncem radku.

Tridici pole je posloupnost znaku, kterou sort pouziva pro setrideni radku.

Tridici pole muze obsahovat cast pole radku, cele pole, nebo nekolik poli radku. Argument specifikace_pole obsahuje dvojice ukazatelu, ktere definuji casti radku, ktere se budou v jednotlivych radcich porovnavat. Pokud se ve dvojici vynecha druhy ukazatel, chape se to jako konec radku.

Ukazatel je ve tavaru f[.c][,f[c]]. Ukazatel f[.c] reprezentuje libovolny znak na radku. Hodnota f je pozice pole v radku, od ktereho chceme trideni zacit. Hodnota c je pocet znaku, ktere chceme preskocit, pocitano od konce posledniho pole radku, ktere jsme preskocili pomoci f. Druhy ukazatel (ten za carkou) zase ukazuje konec znaku pro trideni (defaultne konec radku).

EXAMPLES

Soubor seznam.txt ma 3 radky, radky maji 3 tridici pole.

Volba -b zpusobi, ze vice mezer za sebou se chape jako jediny oddelovac poli. Pokud definujeme vice tridicich poli, berou se do uvahy podle poradi na prikazovem radku.

Porovnávání obsahu souborů

Program comm

Program comm se používá na porovnání dvou setříděných souborů řádek po řádku.

SYNOPSIS

comm [-1] [-2] [-3] soub1 soub2

Výstupem jsou 3 sloupce:

1. řádky, které jsou pouze v prvním souboru
2. řádky, které jsou poze v druhém souboru (řádky odsazené tabulátorem)
3. řádky, které jsou v obou souborech (řádky odsazené dvěmi tabulátory)

OPTIONS

-1

nezobrazuje se prvni sloupec

-2

nezobrazuje se druhý sloupec

-3

nezobrazuje se třetí sloupec

EXAMPLES

comm -23 soub1 soub2

Zobrazí řádky, které jsou pouze v soub1

comm -13 soub1 soub2

Zobrazí řádky, které jsou pouze v soub2

comm -12 soub1 soub2

Zobrazí řádky, které jsou v obou souborech.

Program diff

Program diff porovnava soubory vzhledem k radkum a zobrazuje, jak be se mel zmenit soub1, aby byl shodny se soub2.

Je-li misto argumentu soub21 nebo soub2 uvedena pomlcka, pouzije se misto tohoto souboru standardni vstup.

Vysledek je ve formatu, ktery rika, jake odchylky se musi modifikovat, aby byly soubory stejne, a pote nasleduje vypis radek, kterych se zmeny tykaji.

SYNOPSIS

diff [-e] soub1 soub2

OPTIONS

-e

Výstup je platným skriptem programu ed.

Výstup

Výstup říká, které řádky by se měli do soub1 přidat, které by se měli odstranit a které změnit.

< radky patrici soub1
> radky patrici soub2

Součástí výstupu jsou čísla řádků s příkazy (jednopísmenné), které popisují potřebné změny:

1 a 2,3

Add: za radek 1 soub1 je potreba pripojit radky 2 az 3 ze soub2.

1,2 d 3

Delete: oblast mezi radkem 1 az 2 musi byt vypustena, v soub2 tomuto radku odpovida radek 3.

1,2 c 3,4

oblast mezi radky 1 az 2 v soub1 musi byt zmenena na oblast, ktera v soub 2 odpovida oblasti radeku 3 az 4.

EXAMPLES

V souboru zmeny jeste chybi prikazy w (write) a q (quit), ktere tam lze pridat prikazem:

Oprava menu1 se pak muzeme provest nasledujicim prikazem:

Diff se s výhodou používá, pokud někomu posíláte změny v dokumentu. Místo celého dokumentu pošlete jen výstup z programu diff, takže jednak posíláte méně dat a druhak si příjemce může snadno prohlédnout, jaké změny posíláte.

Program sdiff

Zobrazi formatovany vystup prehledu rozdilu mezi dvema soubory.

SYNOPSIS

sdiff [-s] [-wNN] soub1 soub2

OPTIONS

-s

(silent) Zobrazí jen řádky, které se liší

-wNN

Nastaví šířku výstupu na NN znaků

EXAMPLES

Program diff3

Program diff3 srovnává 3 soubory řádek po řádce a zjišťuje jejich rozdíly.

Program cmp

Program cmp porovnává soubory znak po znaku a zobarzí místo, kde se liší.

V pripade, ze jsou oba soubory stejne, vrati tato utilita navratovy kod 0, v opacnem pripade 1. To se s vyhodou vyuziva ve skriptech.

SYNOPSIS

cmp [-l] soub1 soub

OPTIONS

-l

Vrati informace o vsech znacich, ve kterych se soubory lisi.

1. pozice v souboru (desitkove), ve ktere je rozdil
2. kod znaku v prvnim souboru (osmickove)
3. kod znaku ve druhem souboru (osmickove)

EXAMPLES

Vystup cmp je presmerovan do kose (spec. soubor /dev/null) proto, protoze nas vystup (rozdili v souborech) v podmince if nezajimaji.

Hledání řetězců

Nasledujici tri prikazy testuji, zda retezec existuje na nejake radce v zadanych souborech. pokud ano, obvykle se schodna radka vypise.

Pokud se chce uzivatel v retezci zadat mezeru, musi cely retezec uzavrit do uvozovek.

Program fgrep

Program fgrep je zkratka pro grep -F

Ve vyhledavanem retezci nelze pouzivat regularani vyrazy, ale zato prikaz fgrep pracuje s nejmensimi naroky na pamet.

Program egrep

Program egrep (extended grep) je zkratka pro grep -E.

Doporučuji používat tuto verzi programu grep. Takto spuštěný grep má nejvyšší nároky na paměť, ale je také nejrychlejší (ikdyž si někdo myslí, že je nejpomalejší). Nároky na paměť programu grep už dnes nemají téměř vyznam.

Rozšíření egrep vůči grep

Nar ozdil od prikazu grep lze pouzivat dva specialni znaky:

+

reprezentuje 1 nebo vice predchazejicich znaku.
Napr.: so+n reprezentuje: son, soon, sooon

?

reprezentuje 0 nebo vice predchazejicich znaku.
Napr.: so?n reprezentuje: sn, son, soon, sooon

Pozn: v prikazu egrep i grep jeden znak reprezentuje .(tecka)

Dalsim rozsirenim egrep vuci grep je moznost uzavreni vyrazu do zavorek, ktery je pak chapan jako celek.

Napr: egrep 'X(123)*Z' data hleda v souboru data retezce, jako nap. XY, X123Y, X123123Y, …

Program grep

Program grep na standardnim vystupu zobrazuje radky, ktere obsahuji retezec vyhovujici uvedenemu vzoru.
Je-li uvedeno vice souboru, kazdy radek zacina jmenem souboru, za kterym je dvojtecka a teprve potom je uveden radek tohoto souboru.

SYNOPSIS

grep [-cinvx] {-f soub1|[-e] regExp} [soubor ...]

OPTIONS

Retezec regExp muze byt regularni vyraz. Soubor soub1 je soubor, ktery obsahuje vice reg. vyrazu (kazdy na jedne radce), ktere se pouziji pro vyhledavnai.

Neni-li uveden soubor, cte program grep data ze standardniho vstupu.

-c

Pouze se pro soubory spocita pocet radku ve kterych byl retezec nalezen

-e

Tato volba umoznuje, aby vyhledavany retezec (regExp) zacinal pomlckou

-H

Vypisuji se jmena souboru pred kazdym radkem (pri vice souborech je tato volba automaticka)

-h

Nevypisuji se jmena souboru (pro jeden soubor je tato volba automaticka)

-v

Zobrazuji se ty radky, ktere hledany vzorec neobsahuji

-i

Nerozlisuje se mezi malymi a velkymi pismeny

-l

Zobrazuji se pouze jmena souboru ve kterych byl retezec nalezen. I kdyz je retezec v souboru vicekrat, jmeno se zobrazi jen jednou.

-n

Pred kazdym radkem je zobrazeno poradove cislo radku v souboru

-s

(silent) Utilita vrati navratovy kod bez jakehokoli vystupu.

• 0 - soubor obsahuje hledany retezec
• 1 - soubor neobsahuje hledany retezec
• 2 - soubor neni dostupny nebo se vyskytla chyba

Hodi se pri psani skriptu.

-x

Vybere jen shody zahrnujici cely radek

-f soub1

V souboru soub1 jsou zapsany hledane vzory (co radek to jeden vzor)

EXAMPLES

Záměna znaků

Program tr

Program tr zaměňuje nebo maže znaky. Vstup přijímá ze standardního vstupu a výstup posílá na standardní výstup.

SYONPSIS

tr [-d] [-c] [-s] [retezec1 [retezec2]] 

OPTIONS

-d

Vsechny vstupni znaky, ktere se vyskytuji v retezec1, budou vymazany. Neni-li uveden argument -s, argument retezec2 se ignoruje.

-c

Z argumentu retezec1 se vytvori doplnek (complement) -> retezec obsahujici vsechny znaky z ASCII krome znaku, ktere jsou uvedeny v retezec1. Utilita pak nahradi n-ty znak v doplnkovem retezci n-tym znakem v argumentu retezec2. V pripade pouziti argumentu -d se vymazou vsechny vstupni znaky, ktere se vyskytuji v doplnkovem retezci (retezec2 je ignorovan).

-s

Po nahrazeni se redukuji vsechny opakovane vyskyty znaku uvedenych v argumentu retezec2 na jeden znak.

retezec1

znaky, ktere chceme nahradit

retezec2

znaky, ktere maji nahradit puvodni znaky

Retezce mohou obsahovat:

[a-z]

znaky mezi a az z vcetne

[a*3]

3-nasobne opakovani znaku a (tj. aaa). Je-li prvni cislece nula, cislo se chape osmickove. Je-li cislo rovno nule ci chybi, doplni se takova hodnota, aby delka argumentu retezec2 odpovidala delce retezec1.

\\osmickove_cislo

'\osmickove_cislo'

"\osmickove_cislo"

EXAMPLES

tr TS ts < soubor

Ze souboru se vsechny pismena T zameni za t a S za s. Obsah souboru se vytiskne na standardni vystup. (Pozor! Vystup nelze presmerovat do stejneho souboru)

tr '[a-z]' '[x*]' < soubor

Ze souboru se vsechna mala pismena nahradi pismenem x.

tr -s '[a-z]' '[x*]' < soubor

Ze souboru se vsechny retezce malych pismen nahradi jednim x.

tr -dc '[0-9]' < soubor

Ze souboru se vymazou vsechny znaky krome cislic.

tr -s ' \t' '[\012*]' < soubor

Ze souboru bude kazde slovo na samostatnem radku (kazda mezera a tabulator je nahrazena znakem noveho radku, jehoz osmickovy kod je 012)

Rozdělování a spojování souborů

Program cut

Program cut vypisuje vybran0 sloupce ze souboru. Sloupce v souboru jsou odděleny tzv. oddělovačem pole (defaultně tabulátor).

SYNOPSIS

cut [-d oddelovac] [-s] {-c seznam_znaku|-f seznam_poli} [soubor ...]

OPTIONS

Seznam muze byt cislo n, interval n-m nebo -n (od zacatku do n), a n- (od n do zacatku). Seznam musi byt razen vzestupne.

-f seznam

Program vybira pole specifikovana v tomto seznamu. Pole je tvoreno znaky, ktere se nachazeji mezi dvema oddelovaci pole. Dva oddelovace pole za sebou jsou prazdne pole. Standardni oddelovac pole je tabulator.

-c seznam

Program vybira znaky na pozici dane seznamem.

-d znak

Uvedeny znak je chapan jako oddelovac. Metaznaky a mezera musi byt uzavreny v apostrofech.

-s

Radky, ktere neobsahuji oddelovac poli se nezobrazuji. Bez teto volby se zobrazuji cele.

EXAMPLES

Program paste

Program paste spojí obsah souboru řádku po řádce.

SYNOPSIS

paste [-s] [-d seznam] [soubor ...]

OPTIONS

-d seznam

Dfinuje seznam znaku, ktere se pouzivaji jako oddelovac. Implicitne je to tabulator. Znaky ze seznamu se pouzivaji cyklicky. Po pouziti posledniho se pouzije prvni …
Specialni znaky musi byt oznaceny, napr: \n (novy radek), \t (tabulator), \\(zpetne lomitko), \0 (prazdny retezec), \* (hvezdicka) …

-s

(serial) spojuje radky z jednoho souboru, misto aby spojoval radky ze soubory navzajem

soubor

Je li soubor -, cte s standardni vstup

EXAMPLES

Program split

Rozdeli soubor na mensi soubory zadane velikosti.

SYNOPSIS

split [{-n n|-b n}] [soubor [jmeno]]

OPTIONS

-n n

soubor se deli po n radcich. Bez teto volby se deli po 1000.

-b n

Soubor se deli po n bitech. (vhodne pro deleni binarnich souboru). Za n muze byt urcena jednotka k (kilobyty) nebo m (megabyty).

soubor

Jmeno vstupniho souboru. Neni-li uveden, nebo je-li uvedena pomlcka -, je vstupem standardni vstup.

jmeno

Jmeno vystupnich souboru. Prvni vystupni soubor je jmenoaa, druhy jmenoab, atd. az jmenozz.
Argument nesmi byt delsi nez 12 znaku.
Max. pocet vystupnich souboru je 676. Pokud neni tento argument uveden, implicitni hodnota je x, a vystupni soubory xaa, xab,..., xzz.

Program split se hodí na rozdělení souborů, které jsou příliš velké na přenášení po disketách (nebo USB klíčenkách).

Rozdělené soubory se mohou spojit např. takto:

Formátování textu

Program nroff

Program nroff zformatuje text souboru podle prikazu, ktere soubor sam obsahuje. Prikazy pro nroff zacinaji vzdy teckou a jsou na samostatne radce, po zformatovani textu se odstrani.

SYNOPSIS

nroff [soubor ...]

Značky

Některé značky, které se mohou v nroff textu vyskytnout:

.po 10

nastavuje odsazeni stranky na 10 znaku

.ll 50

omezuje delku radky na 50 znaku

.br

oznacuje novy odstavec

.sp

vynechava mezeru (prazdny radek)

.in 5

odstavec odrazen o 5 mezer

.ce

centruje nasledujici radky textu

Kontrola textu

Program ispell

Program ispell se používá pro kontrolu pravopisu. Dokáže interaktivně opravovat překlepy. Poradí si i s HTML soubory.

Pro ispell existuje i český slovník (který si nejspíše budete muset doinstalovat). Bohužel si ispell nerozumí s UTF-8, takže je tak trochu na prd.

SYNOPSIS

ispell [-d czech] [-H] soubor [soubor ...]

OPTIONS

-d czech

Vybere český slovník

-H

Se souborem bude zacházeno jako s HTML souborem