Estoy tratando de extraer un cierto (el cuarto) campo de la secuencia de texto ajustada por 'espacio' basada en columnas. Estoy tratando de usar el cutcomando de la siguiente manera:

cat text.txt | cut -d " " -f 4

Desafortunadamente, cutno trata varios espacios como un delimitador. Podría haber pasado por awk

awk '{ printf $4; }'

o sed

sed -E "s/[[:space:]]+/ /g"

colapsar los espacios, pero me gustaría saber si hay alguna forma de tratar cuty varios delimitadores de forma nativa?

Tratar:

tr -s ' ' <text.txt | cut -d ' ' -f4

Desde el tr página manual:

-s, --squeeze-repeats reemplaza cada secuencia de entrada de un carácter repetido
                        que aparece en SET1 con una sola aparición
                        de ese personaje

Como comentas en tu pregunta, awkes realmente el camino a seguir. El uso cutes posible junto con tr -sexprimir espacios, como lo muestra la respuesta de kev .

Sin embargo, permítanme analizar todas las combinaciones posibles para futuros lectores. Las explicaciones se encuentran en la sección Prueba.

tr | cortar

tr -s ' ' < file | cut -d' ' -f4

awk

awk '{print $4}' file

intento

while read -r _ _ _ myfield _
do
   echo "forth field: $myfield"
done < file

sed

sed -r 's/^([^ ]*[ ]*){3}([^ ]*).*/\2/' file

Pruebas

Dado este archivo, probemos los comandos:

$ cat a
this   is    line     1 more text
this      is line    2     more text
this    is line 3     more text
this is   line 4            more    text

tr | cortar

$ cut -d' ' -f4 a
is
                        # it does not show what we want!


$ tr -s ' ' < a | cut -d' ' -f4
1
2                       # this makes it!
3
4
$

awk

$ awk '{print $4}' a
1
2
3
4

intento

Esto lee los campos secuencialmente. Al usarlo _, indicamos que esta es una variable desechable como una "variable basura" para ignorar estos campos. De esta manera, almacenamos $myfieldcomo el cuarto campo en el archivo, sin importar los espacios entre ellos.

$ while read -r _ _ _ a _; do echo "4th field: $a"; done < a
4th field: 1
4th field: 2
4th field: 3
4th field: 4

sed

Esto atrapa tres grupos de espacios y no espacios con ([^ ]*[ ]*){3}. Luego, atrapa lo que viene hasta un espacio como el cuarto campo, con el que finalmente se imprime \1.

$ sed -r 's/^([^ ]*[ ]*){3}([^ ]*).*/\2/' a
1
2
3
4

solución más corta / amigable

Después de frustrarme con las demasiadas limitaciones de cut, escribí mi propio reemplazo, que pedí cuts"cortar con esteroides".

cortes proporciona lo que probablemente sea la solución más minimalista para este y muchos otros problemas relacionados con cortar / pegar.

Un ejemplo, de muchos, aborda esta pregunta en particular:

$ cat text.txt
0   1        2 3
0 1          2   3 4

$ cuts 2 text.txt
2
2

cuts apoya:

• Detección automática de los delimitadores de campo más comunes en los archivos (+ capacidad para anular los valores predeterminados)
• delimitadores coincidentes multi-char, mixed-char y regex
• extracción de columnas de múltiples archivos con delimitadores mixtos
• compensaciones desde el final de la línea (usando números negativos) además del inicio de la línea
• pegado automático de columnas en paralelo (no es necesario invocar por pasteseparado)
• soporte para reordenamiento de campo
• un archivo de configuración donde los usuarios pueden cambiar sus preferencias personales
• gran énfasis en la facilidad de uso y escritura minimalista requerida

y mucho más. Ninguno de los cuales es proporcionado por estándar cut.

Ver también: https://stackoverflow.com/a/24543231/1296044

Fuente y documentación (software libre): http://arielf.github.io/cuts/

Este Perl one-liner muestra cuán estrechamente se relaciona Perl con awk:

perl -lane 'print $F[3]' text.txt

Sin embargo, la @Fmatriz autosplit comienza en el índice $F[0]mientras que los campos awk comienzan con$1

Con versiones de lo cutque sé, no, esto no es posible. cutes principalmente útil para analizar archivos donde el separador no es un espacio en blanco (por ejemplo /etc/passwd) y que tienen un número fijo de campos. Dos separadores seguidos significan un campo vacío, y eso también se aplica al espacio en blanco.