Traitement du texte

État :

Retour au document principal

Pré-requis

• La ligne de commande

Objectifs

• Manipuler efficacement les fichiers et les flux de données pour le contenu comme souhaité (c'est à dire en triant ou en formatant le contenu)
• Améliorer vos compétences dans l'utilisation de la ligne de commande en mémorisant et en comprenant de simples outils de manipulation des textes

le couteau suisse cat

l'éditeur cat

La commande cat peut être utilisée comme un éditeur de texte rudimentaire.

Exemple :

cat  > petit-message
nous sommes curieux
de rencontrer
des pingouins à Prague
Crtl+D

Vous noterez l'utilisation de Ctrl+D. Cette commande est utilisée pour clore la saisie.

le lecteur cat

On utilise plus couramment cat pour envoyer du texte vers stdout.

Les options les plus courantes sont :

• -n numéroter chaque ligne de la sortie
• -b numéroter uniquement les lignes non vides
• -A afficher le retour charriot

Exemple :

cat  /etc/resolv.conf
search    mydomain.org
nameserver   127.0.0.1

tac lit à l'envers

tac fait la même chose que cat à l'exception qu'elle lit de la dernière ligne à la première.

Exemple :

tac petit-message
des pingouins à Prague
de rencontrer
nous sommes curieux

Petits outils

Utilisation de head ou tail

On utilise souvent les commandes head et tail pour analyser les fichiers journaux. Par défaut, ces commandes affichent 10 lignes. En voici les utilisations les plus courantes :

Exemples :

• afficher les 20 première lignes de /var/log/messages :

  head -n 20 /var/log/messages    
  head -20  /var/log/messages

• afficher les 20 dernières lignes de /etc/aliases

  tail -20  /etc/aliases

tail a une option supplémentaire qui nous permet d'afficher la fin d'un texte en commençant par une ligne donnée.

• afficher le texte en partant de la ligne 25 de /var/log/messages

  tail +25 /etc/log/messages

Exercice :

• Pour un texte de 90 lignes, comment utiliseriez-vous tail et head pour afficher les lignes 50 à 65 ? Y-a-t'il une seule façon de s'y prendre ?

Enfin, tail peut afficher un fichier en continu avec l'option -f. C'est extrêmement pratique pour suivre les modifications d'un fichier en temps réel.

Compter les lignes, les mots et les octets

La commande wc compte le nombre d'octets, de mots et de lignes dans les fichiers. Les options suivantes vous permettent de sélectionner ce qui vous intéresse :

NdT : les options -c et -m me rendent perplexe, mais il n'y a rien à y faire, juste à les connaître...

Remarque : sans argument, wc compte ce qui est saisi dans stdin.

Numérotation des lignes

La commande nl affiche la même chose que cat -b.

Exemples :

• numéroter toutes les lignes y compris les lignes vides :

  nl -ba /etc/lilo.conf

• numéroter uniquement les lignes avec du texte :

  nl -bt  /etc/lilo.conf

Remplacer les tabulations par des espaces

On utilise la commande expand pour remplacer les tabulations par des espaces. unexpand est utilisé pour l'opération inverse.

Afficher les fichiers binaires

Il y a nombre d'outils pour ça. Les plus courants sont od (octal dump) et hexdump.

Découper les fichiers

La commande split peut découper un fichier en plusieurs fichiers plus petits à partir de critères comme la taille ou le nombre de lignes. Par exmple, nous pouvons découper /etc/passwd en fichiers de 5 lignes chacuns :

split -l 5 /etc/passwd

Cette commande va créer des fichiers appelés xaa, xab, xac, xad, etc., chaque fichier contenant au plus 5 lignes. Il est possible de donner un préfixe plus significatif que "x", comme "pass-5" :

split -l 5 /etc/passwd passwd-5

Cette commande crée des fichiers identiques à la commande précédente, mais ils sont désormais nommés passwd-5aa, passwd-5ab, passwd-5ac, passwd-5ad, ...

Éliminer les lignes successives en doublon

La commande uniq n'envoie à STDOUT qu'une version des lignes successives identiques.

Exemple :

uniq > /tmp/UNIQUE
ligne 1
ligne 2
ligne 2
ligne 3
ligne 3
ligne 3
ligne 1
^D

Le fichier /tmp/UNIQUE a le contenu suivant :

cat /tmp/UNIQUE
ligne 1
ligne 2
ligne 3
ligne 1

Remarque : Nous pouvons voir dans l'exemple précédent qu'en utilisant "uniq", les lignes en doublon qui ne se suivent pas sont envoyées à STDOUT.

Quel est le contenu de /tmp/UNIQUE si nous envoyons d'abord STDIN à sort (voir '''sort''' un peu plus loin) comme ici :

sort | uniq > /tmp/UNIQUE

Manipulations du texte

Les outils suivants modifient la mise en page du texte.

Sélectionner les champs et les caractères avec cut

La commande cut peut extraire une plage de caractères ou de champs de chaque ligne d'un texte.

L'option -c est utilisée pour manipuler les caractères.

Syntaxe :

cut –c {plage1,plage2}

Exemple :

cut -c5-10,15- /etc/passwd

La commande précédente extrait les caractères 5 à 10 puis 15 jusqu'à la fin pour chaque ligne de /etc/passwd.

On peut spécifier le séparateur de champ (espace, virgule, etc.) d'un fichier ainsi que les champs à extraire. Ces options sont définies respectivement par les options -d (delimiter) et -f (field).

Syntaxe :

cut -d {séparateur}  -f {champs}

Exemple :

cut -d: -f 1,7 --output-delimiter=" " /etc/passwd

Cette commande extrait les 1er et 7e champs de /etc/passwd séparés par un espace. Le délimiteur de sortie est le même que le délimiteur d'entrée d'origine (NdT : par défaut, c'est la tabulation). L'option --output-delimiter vous permet de le changer.

Jointure de texte

La commande la plus facile est paste qui concatène deux fichiers l'un à la suite de l'autre.

Syntaxe :

paste   texte1   texte2

Avec join vous pouvez en plus préciser quels champs vous souhaitez.

Syntaxe :

join  -j1 {champ_no}  -j2{champ_no}  texte1  texte2               ou
join   -1 {champ_no}  -2{champ_no}  texte1  texte2 

Le texte n'est envoyé à la sortie que si les champs sélectionnés correspondent.

Les comparaisons se font ligne par ligne et le processus s'arrête dès qu'il n'y a pas de correspondance, même s'il y a d'autres correspondances à la fin du fichier.

Trier la sortie

Par défaut, sort trie le texte par ordre alphabétique. Pour effectuer un tri numérique, utilisez l'option -n.

Mise en forme de la sortie avec fmt et pr

Vous pouvez modifier le nombre de caractères par ligne avec fmt. Par défaut fmt joins les ligne et génère des lignes de 75 caractères.

On peut paginer les longs fichiers pour qu'ils correspondent à une taille donnée avec la commande pr. On peut contrôler la longueur des pages (66 lignes par défaut), la largeur (par défaut 72 caractères) ainsi que le nombre de colonnes.

Lorsqu'on produit un texte sur plusieurs colonnes, chaque colonne est tronquée uniformément en fonction de la largeur de page spécifiée. Cela veut dire que des caractères sont supprimés à moins d'avoir édité le texte de façon à éviter cela.

Convertir les caractères

La commande tr convertit un ensemble de caractères en un autre.

Exemple :

• convertir les majuscules en minuscules

  tr 'A-B' 'a-b'  < fichier.txt

• changer de délimiteur dans /etc/passwd

  tr  ':'  ' ' < /etc/passwd

Remarque : tr a seulement deux arguments ! Le fichier n'est pas un argument.

Résumé et exercices

Questions de révision

Oui ou Non

1. Les commandes "cat FICHIER" et "cat < FICHIER" affichent toutes les deux le contenu de FICHIER : _

2. La commande "last FICHIER" affiche les 10 dernières lignes de FICHIER : _

3. Lorsque vous modifiez les lignes d'un fichier en utilisant cut, ces modifications ne sont effctives que pour STDOUT : _

4. Lorsqu'on utilise uniq sur un fichier, les lignes en doublon successives sont éliminées dans le fichier : _

Voir les réponses

Commandes

Travaux pratiques

1. À l'aide de cat, saisissez le texte suivant dans le fichier message :

   cat >> message 
   ligne 1
   ^D  

   • Faites la même chose mais utilisez le mot clé STOP à la place du contrôle de fin de fichier (^D)

   cat >> message << STOP
   ligne 2
   STOP

   • Ensuite, ajoutez le texte suivant avec la commande echo :

   echo ligne 3 >> message

2. Créez le fichier index avec deux champs REFERENCE et TITRE séparés par un espace :

   001 Utiliser_Linux

   • Créez un second fichier tarifs avec deux champs REFERENCE et PRIX séparés par un espace :

   001 9.99

   • Utilisez join pour afficher les champs REFERENCE, TITRE et PRIX

3. À l'aide de tr, remplacez toutes les virgules par des points-virgules dans /etc/passwd

   • Faites la même chose avec cut

4. Affichez les lignes 70 à 85 de /var/log/messages en utilisant head et tail.

5. Utilisez les commandes cut, grep et ifconfig pour n'afficher que l'adresse IP de la première interface réseau eth0.

6. Créez le répertoire /tmp/fichiers

   mkdir /tmp/fichiers

   • Créez 50 fichiers dans ce répertoire :

   count=0
   while [ $compte -lt 50 ]; do
   touch /tmp/fichiers/$compte.txt
   let compte+=1
   done

   • Nous souhaitons changez les extensions txt en dat. Pour ce faire, nous devons taper les commandes suivantes :

   for FICHIER in $(ls *.txt) 
   do
   NOM_FICHIER=$(echo $FICHIER| cut -d. -f1)
   mv  $FICHIER $NOM_FICHIER.dat
   done

Réponses aux questions

1. oui

2. non : il faut utiliser tail

3. oui : c'est le cas avec toutes les commandes de traitement de texte

4. non : toutes les commandes de traitement de texte modifient les données vers STDOUT et ne modifient pas le fichier original

Page consultée 297 fois