Question

关于Linux下的文本文件格式转换问题。

原文a.txt的格式：

AA[ ]a[ ]c[ ]d[]e[ ]f
BB[ ]c[ ]d[ ]2[]3[ ]4
其中[ ]是tab键 []是表示空格

目的是输出：
第一列[ ]第4列[ ]第5列
（中间是tab相隔）
我用cut -f4, 不能单独得到第4列，是第4和第5列，还要单独再用一次cut -f1 -d " ",。。。非常浪费时间。想问问有没有更有效的方法？

Answer 1

linux下文本文件格式转换有不同情景：
如果你需要在Linux 中操作windows下的文件，那么你可能会经常遇到文件编码转换的问题。Windows中默认的文件格式是GBK(gb2312)，而Linux一般都是UTF-8。下面介绍一下，在Linux中如何查看文件的编码及如何进行对文件进行编码转换。

查看文件编码
在Linux中查看文件编码可以通过以下几种方式：
1.在Vim 中可以直接查看文件编码

Shell代码
:set fileencoding
即可显示文件编码格式。
如果你只是想查看其它编码格式的文件或者想解决用Vim查看文件乱码的问题，那么你可以在
~/.vimrc 文件中添加以下内容：

Shell代码
set encoding=utf-8 fileencodings=ucs-bom,utf-8,cp936
这样，就可以让vim自动识别文件编码（可以自动识别UTF-8或者GBK编码的文件），其实就是依照 fileencodings提供的编码列表尝试，如果没有找到合适的编码，就用latin-1(ASCII)编码打开。
2. enca (如果你的系统中没有安装这个命令，可以用sudo yum install -y enca 安装 )查看文件编码
$ enca filename
filename: Universal transformation format 8 bits; UTF-8
CRLF line terminators
需要说明一点的是，enca对某些GBK编码的文件识别的不是很好，识别时会出现：
Unrecognized encoding

文件编码转换
1.在Vim中直接进行转换文件编码,比如将一个文件转换成utf-8格式

Shell代码
:set fileencoding=utf-8
2. enconv 转换文件编码，比如要将一个GBK编码的文件转换成UTF-8编码，操作如下
enconv -L zh_CN -x UTF-8 filename

3. iconv 转换，iconv的命令格式如下：
iconv -f encoding -t encoding inputfile
比如将一个UTF-8 编码的文件转换成GBK编码
iconv -f GBK -t UTF-8 file1 -o file2

Answer 2

这个获取第4列：
awk '{print $4}' a.txt
这个输出：第1列[ ]第4列[ ]第5列 - （中间是tab相隔）
awk '{printf("%s\t%s\t%s\n", $1, $4, $5)}' a.txt

cut 默认以tab键为字段分隔符，从man page中的这句话可以看出：
-d, --delimiter=DELIM
use DELIM instead of TAB for field delimiter

awk 则不区分tab还是空格，其 man page中有如下描述：
Fields ...... In the special case that FS is a single space, fields are separated by runs of spaces and/or tabs and/or newlines. ......

FS The input field separator, a space by default. See Fields, above.

追问

我想得到的结果之间是TAB相隔，但是用了awk，结果都是space相隔了。
怎么置换呢？

追答

这个输出：第1列[ ]第4列[ ]第5列 - （中间是tab相隔）
awk '{printf("%s\t%s\t%s\n", $1, $4, $5)}' a.txt

你是用的这个吗？这个是TAB相隔啊。\t 就是表示 TAB

Answer 3

awk '{print $1,$4,$5}' a.txt