[successivo] [precedente] [inizio] [fine] [indice generale] [indice ridotto] [indice analitico] [home] [volume] [parte]


Capitolo 200.   Gestione dei file di testo

Un file di testo è quello che può essere letto così com'è senza bisogno di interpretazioni particolari. Il modo con cui questo file viene definito chiarisce anche il tipo di contenuto che può avere: testo puro, senza altre informazioni.

I file di testo sono una sequenza di caratteri e simboli, separata convenzionalmente in righe di lunghezze diseguali, che così devono essere terminate attraverso un codice particolare: quello che qui viene definito codice di interruzione di riga.

La tabella 200.1 elenca i programmi a cui si accenna in questo capitolo.

Tabella 200.1. Riepilogo dei programmi per la gestione dei file di testo.

Programma Descrizione
cat Emette il contenuto di uno o più file.
tac Emette il contenuto dei file invertendo l'ordine delle righe.
nl Emette il contenuto dei file numerando le righe.
od Converte in ottale.
rev Emette il contenuto dei file invertendo i caratteri di ogni riga.
fmt Riformatta il testo.
pr Rimpagina il testo per la stampa.
fold Impagina il testo «piegando» le righe molto lunghe.
column Incolonna.
colrm Elimina un intervallo di colonne (in caratteri) dal testo.
col Filtra alcuni tipi di codici per facilitare la stampa.
colcrt Filtra alcuni tipi di codici per facilitare la visualizzazione su terminale.
ul Filtra alcuni tipi di codici per visualizzare correttamente evidenziamenti e sottolineature.
head Estrae la parte iniziale.
tail Estrae la parte finale.
split Suddivide.
csplit Suddivide in base a un modello.
wc Conta le parole.
sort Riordina le righe.
unique Filtra le righe doppie.
comm Confronta due file ordinati.
cut Estrae una porzione del contenuto delle righe.
paste Unisce le righe di due file in modo sequenziale.
join Unisce le righe di due file in base a delle chiavi di ordinamento.
ptx Crea un indice del contenuto di un file.

200.1   Codice di interruzione di riga

Questo codice di interruzione di riga cambia a seconda del sistema operativo. Negli ambienti Unix si usa il codice 0A16 che viene chiamato <LF>, negli ambienti Dos e derivati si utilizza la sequenza 0D0A16 corrispondente a <CR><LF>, mentre negli ambienti MAC si usa il codice 0D16 corrispondente a <CR>.

Quando si vuole fare riferimento al codice di interruzione di riga in modo astratto, cioè senza restare legati a un'architettura particolare del sistema operativo, si parla spesso di new-line. La convenzione per cui il termine new-line dovrebbe rappresentare idealmente ciò che si utilizza per interrompere una riga, non viene rispettata sempre. Generalmente, chi lavora con i sistemi Unix ignora il problema e utilizza il termine new-line per identificare il carattere <LF>, che invece ha un nome preciso: line feed.

Utilizzando un sistema GNU, il problema derivato da questa ambiguità non si manifesta; tuttavia, leggendo i documenti che utilizzano questa espressione, occorre fare attenzione, o almeno è il caso di porsi il dubbio sul significato di ciò che si intende. Pertanto, in questo documento si utilizza la definizione «codice di interruzione di riga», in modo da non lasciare dubbi.

200.2   Spazi

Nei file di testo, gli spazi sono un concetto prettamente visivo: quando si visualizza (o si stampa) un file si notano delle zone in cui non appaiono caratteri di alcun tipo.

I caratteri attraverso i quali si ottengono questi spazi sono normalmente: lo spazio vero e proprio (3016), la tabulazione (0916) e il codice di interruzione di riga.

Il modo con cui si ottiene una spaziatura dipende dal contesto. Ciò che conta è sapere distinguere tra spazio in senso generale e carattere spazio che è invece un codice particolare.

A volte si utilizza il termine blank, o spazio lineare, per indicare uno spazio in senso generale, dove di norma si intende fare riferimento indifferentemente a un numero imprecisato di caratteri spazio o tabulazione.

Il codice di interruzione di riga entra in gioco quando si ha a che fare con righe vuote. Una riga di questo tipo può contenere spazi di vario genere (spazio e tabulazione) e poi deve essere conclusa da questo codice. Ma una riga vuota, blank line, può essere veramente vuota e contenere soltanto il codice di interruzione di riga.

200.3   Programmi di servizio per i file di testo

I programmi descritti in questo capitolo, quando sono di origine GNU (si riconoscono facilmente perché permettono di utilizzare opzioni descrittive e non solo quelle composte da una sola lettera), accettano le opzioni seguenti:

Opzione Descrizione
--help
emette un breve riassunto della sintassi e delle opzioni disponibili;
--version
emette il numero della versione;
-
un trattino isolato indica esplicitamente di utilizzare quanto proveniente dallo standard input.

Generalmente, se ciò può avere senso, quando non viene fornito alcun file negli argomenti, si intende utilizzare lo standard input.

200.4   Riemissione completa

Alcuni programmi per l'elaborazione di file di testo emettono lo stesso file fornito come input, eventualmente dopo un qualche tipo di elaborazione elementare.

Il più semplice di questi programmi è cat che nella maggior parte dei casi viene utilizzato senza opzioni, per lo più con lo scopo di iniziare un condotto di programmi.

200.4.1   Utilizzo di «cat»

Il programma di servizio cat (1) emette di seguito i file indicati come argomento attraverso lo standard output, in pratica qualcosa di simile al comando TYPE del Dos:

cat [opzioni] [file...]

Tabella 200.3. Alcune opzioni.

Opzione Descrizione
-b
--number-nonblank
Numera tutte le righe emesse, che non sono vuote, a partire da uno.
-s
--squeeze-blank
Sostituisce le righe vuote multiple con una sola riga bianca.
-v
--show-nonprinting
Sostituisce i caratteri non stampabili con una sigla che inizia con un accento circonflesso (^) o con la sigla M- a seconda che si tratti di un codice con il primo bit a zero oppure a uno (si intende il bit più significativo). Sono esclusi i caratteri di tabulazione e i codici di interruzione di riga.
-E
--show-ends
Visualizza la fine di ogni riga aggiungendo il simbolo $.
-T
--show-tabs
Mostra esplicitamente il carattere di tabulazione (<HT>) utilizzando il simbolo ^I.
-A
--show-all
Mostra tutti i simboli non stampabili. È equivalente a -vET.

200.4.2   Utilizzo di «tac»

Il programma di servizio tac (2) emette attraverso lo standard output i file forniti come argomento, invertendo l'ordine delle righe:

tac [opzioni] [file...]

Queste righe possono essere divise in base a un codice di interruzione di riga diverso dal solito, specificandolo attraverso l'opzione -s. In pratica, tac è l'inverso di cat.

Opzione Descrizione
-s separatore
--separator=separatore
Permette di definire il codice di interruzione di riga da prendere in considerazione.

200.4.3   Utilizzo di «nl»

Il programma di servizio nl (3) emette attraverso lo standard output il contenuto dei file forniti come argomento con l'aggiunta dei numeri di riga per alcune o tutte le righe dell'input:

nl [opzioni] [file...]

Il conteggio delle righe viene fatto unendo i file forniti come argomento, come se si trattasse di un file unico, azzerandolo ogni volta che viene riconosciuto l'inizio di una pagina logica. Sotto questo punto di vista, una pagina logica è composta da tre parti: testa, corpo e piede.

In condizioni normali, salvo altre indicazioni passate attraverso le opzioni, si individua la testa, il corpo e il piede, perché preceduti da una riga che contiene esattamente una stringa speciale:

Per mostrare semplicemente il funzionamento del programma, viene proposto un file di testo puro contenente esattamente le righe seguenti:

\:\:\:
intestazione 1
intestazione 2
intestazione 3
\:\:
corpo 1
corpo 2
corpo 3
corpo 4
corpo 5
\:
piede 1
piede 2
piede 3
\:\:\:
intestazione 4
intestazione 5
intestazione 6
\:\:
corpo 6
corpo 7
corpo 8
corpo 9
corpo 10
\:
piede 4
piede 5
piede 6

Supponendo che il file abbia il nome prova.txt, ecco cosa si ottiene con il comando seguente:

nl prova.txt[Invio]

       intestazione 1
       intestazione 2
       intestazione 3

     1  corpo 1
     2  corpo 2
     3  corpo 3
     4  corpo 4
     5  corpo 5

       piede 1
       piede 2
       piede 3

       intestazione 4
       intestazione 5
       intestazione 6

     1  corpo 6
     2  corpo 7
     3  corpo 8
     4  corpo 9
     5  corpo 10

       piede 4
       piede 5
       piede 6

Si osservi in particolare che la prima riga è vuota, perché nel file di origine si trova in quella posizione la stringa di riconoscimento dell'inizio della testa.

Si veda eventualmente il documento info nl oppure la pagina di manuale nl(1).

200.4.4   Utilizzo di «od»

Il programma di servizio od (4) converte i file forniti come input in ottale o in altri formati.

Si veda eventualmente il documento info od oppure la pagina di manuale od(1).

200.4.5   Utilizzo di «rev»

Il programma di servizio rev (5) emette attraverso lo standard output il file fornito come argomento, invertendo l'ordine dei caratteri di ogni riga:

rev [file...]

200.4.6   Utilizzo di «dog»

Il programma di servizio dog (6) è una rivisitazione di cat, a cui aggiunge in particolare la possibilità di accedere a URI esterni:

dog [opzioni] [-|file|uri]...

Vengono mostrati alcuni esempi.

Si veda la pagina di manuale dog(1).

200.5   Rimpaginazione

Alcuni programmi si occupano di modificare l'impaginazione del testo, cambiandone la larghezza o aggiungendo delle intestazioni.

200.5.1   Utilizzo di «fmt»

Il programma di servizio fmt (7) impagina il testo contenuto nei file forniti come argomento, eliminando e aggiungendo codici di interruzione di riga, in modo che il testo risulti al massimo di una data larghezza:

fmt [opzioni] [file...]

Il risultato viene emesso attraverso lo standard output. Se non si specifica l'ampiezza massima della riga, questa si intende essere di 75 caratteri.

A titolo di esempio, si suppone che il file prova.txt contenga esattamente il testo seguente:

bla bla bla bla
bla bla bla bla
bla bla bla bla
bla bla bla bla
bla bla bla bla
bla bla bla bla
bla bla bla bla

bla bla bla bla
bla bla bla bla
bla bla bla bla
bla bla bla bla
bla bla bla bla
bla bla bla bla
bla bla bla bla

Con fmt si ottiene la rimpaginazione dei due blocchi:

fmt prova.txt[Invio]

bla bla bla bla bla bla bla bla bla bla bla bla bla bla bla bla bla bla
bla bla bla bla bla bla bla bla bla bla

bla bla bla bla bla bla bla bla bla bla bla bla bla bla bla bla bla bla
bla bla bla bla bla bla bla bla bla bla
Opzione Descrizione
-w ampiezza
--width=ampiezza
Permette di specificare l'ampiezza massima del testo.

Si veda eventualmente il documento info fmt oppure la pagina di manuale fmt(1).

200.5.2   Utilizzo di «pr»

Il programma di servizio pr (8) emette attraverso lo standard output il contenuto dei file forniti come argomento, formattati opportunamente per la stampa:

pr [opzioni] [file...]

Se non viene indicato diversamente attraverso le opzioni:

Nel caso si utilizzino più colonne:

Vedere info pr oppure pr(1).

Tabella 200.14. Alcune opzioni.

Opzione Descrizione
+pagina_iniziale[:pagina_finale]
Seleziona l'intervallo di pagine indicato. Se manca la pagina finale, si intende che sia l'ultima.
-numero_colonne
Produce un risultato suddiviso nel numero di colonne indicato. L'ampiezza delle colonne viene calcolata automaticamente.
-c
Stampa i caratteri di controllo utilizzando la notazione: ^A, ^B,... I simboli comunque non stampabili vengono rappresentati in ottale: \ooo.
-d
Raddoppia la spaziatura tra le righe (spaziatura doppia).
-l lunghezza_pagina
Definisce la dimensione della pagina espressa in righe. Di solito la pagina è lunga 66 righe.
-o margine_sinistro
Definisce il margine sinistro espresso in caratteri.

Si veda eventualmente il documento info pr oppure la pagina di manuale pr(1).

200.5.3   Utilizzo di «fold»

Il programma di servizio fold (9) impagina il testo contenuto nei file forniti come argomento, suddividendo le righe troppo lunghe inserendo un codice di interruzione di riga al raggiungimento della colonna 80 (se non viene specificato diversamente attraverso le opzioni):

fold [opzioni] [file...]

Il conteggio viene fatto tenendo conto dei caratteri di tabulazione come se fossero espansi, dei codici di backspace (<BS>) che diminuiscono il conteggio e dei caratteri di ritorno a carrello (<CR>) che azzerano il conteggio.

Tabella 200.15. Alcune opzioni.

Opzione Descrizione
-b
--bytes
Conta i caratteri <HT> (tabulazione), <BS> e <CR> come gli altri.
-s
--spaces
Cerca di interrompere le righe subito dopo uno spazio vuoto, in modo da evitare di spezzare delle parole.
-w larghezza
--width=larghezza
Definisce la larghezza massima della colonna di testo finale.

200.5.4   Utilizzo di «column»

Il programma di servizio column (10) trasforma l'input rappresentato dai file indicati come argomento in modo da ottenere più colonne. Il risultato viene emesso attraverso lo standard output:

column [opzioni] [file...]

Tabella 200.16. Alcune opzioni.

Opzione Descrizione
-c colonne
Indica la dimensione orizzontale in caratteri dell'output che si vuole ottenere.
-x
Di norma, ogni colonna viene riempita completamente prima di passare alla successiva. Con questa opzione, i dati all'interno delle colonne vengono disposti in sequenza orizzontale.

200.5.5   Utilizzo di «colrm»

Il programma di servizio colrm (11) elimina un intervallo di colonne da un file di testo:

colrm [colonna_iniziale] [colonna_finale]

Le colonne sono espresse in caratteri. L'input è ottenuto dallo standard input e l'output viene emesso attraverso lo standard output. Se vengono omessi gli attributi, non viene eliminato alcunché. Se manca l'indicazione della colonna finale, l'eliminazione avviene a partire dalla colonna iniziale indicata fino alla fine della riga.

Segue la descrizione di alcuni esempi.

200.6   Composizione

Un tipo di file di testo è quello che contiene codici speciali di spostamento allo scopo di ottenere un aspetto particolare quando questo viene stampato. Il codice più usato in questo senso è <BS> (backspace) che normalmente viene interpretato come arretramento di una posizione. Gli effetti che si possono ottenere in questo modo sono il sottolineato e il neretto. Per esempio, per ottenere la parola «CIAO» in neretto, si utilizza una sequenza del tipo:

C<BS>CI<BS>IA<BS>AO<BS>O.

200.6.1   Utilizzo di «col»

Alcuni tipi di file di testo possono contenere codici di spostamento in avanti o indietro. Alcuni di questi codici possono risultare inadatti alle unità per la visualizzazione o per la stampa, oppure possono essere disposti in modo disordinato.

Il programma di servizio col (12) emette attraverso lo standard output una trasformazione dello standard input, in modo che questo contenga solo codici per l'avanzamento di riga in avanti.

Tabella 200.17. Alcune opzioni.

Opzione Descrizione
-b
Vengono eliminati anche i caratteri di backspace (<BS>).
-f
I caratteri di mezzo line feed (avanzamento di mezza riga) vengono permessi e quindi non sono eliminati.
-x
I caratteri di tabulazione vengono sostituiti con spazi.

L'esempio seguente trasforma il risultato di ls(1) in un file di testo normale, che viene memorizzato in /tmp/ls1.txt:

man 1 ls | col -bx > /tmp/ls1.txt[Invio]

200.6.2   Utilizzo di «colcrt»

Il programma di servizio colcrt (13) emette attraverso lo standard output una trasformazione dei file indicati come argomento, in modo da permettere la visualizzazione o la stampa di testi contenenti codici di spostamento di mezza riga:

colcrt [opzioni] [file...]

In pratica, i caratteri che dovrebbero apparire stampati in una mezza riga successiva, vengono spostati nella riga (intera) successiva. Il suo funzionamento è simile a quello del programma col, ma è orientato particolarmente all'emissione di un output adatto allo schermo di un terminale.

Tabella 200.18. Alcune opzioni.

Opzione Descrizione
-
Vengono eliminate tutte le sottolineature.
-2
Stampa tutte le mezze righe, raddoppiando in pratica l'output.

200.6.3   Utilizzo di «ul»

Il programma di servizio ul, (14) il cui nome sta per underline, permette di trasformare un file contenente codici di arretramento, usati per ottenere evidenziamenti e sottolineature, in modo da poterlo visualizzare correttamente in base al tipo di terminale che risulta dalla configurazione (la variabile di ambiente TERM):

ul [opzioni] [file...]

Per comprendere il senso di questo programma, si può ridirigere su un file il risultato della lettura di una pagina di manuale:

man 1 ul > /tmp/ul.txt[Invio]

Se si osserva il file /tmp/ul.txt ottenuto, si può vedere che contiene dei codici di arretramento (<BS>), con lo scopo di ottenere un carattere di spessore maggiore (più nero, o più illuminato, a seconda del modo con cui il terminale funziona normalmente):

UL(1)                     BSD General Commands Manual                    UL(1)

N<BS>NA<BS>AM<BS>ME<BS>E
     u<BS>ul<BS>l - do underlining

S<BS>SY<BS>YN<BS>NO<BS>OP<BS>PS<BS>SI<BS>IS<BS>S
     u<BS>ul<BS>l [-<BS>-i<BS>i] [-<BS>-t<BS>t _<BS>t_<BS>e_<BS>r_<BS>m_\
  \<BS>i_<BS>n_<BS>a_<BS>l] [_<BS>n_<BS>a_<BS>m_<BS>e _<BS>._<BS>._<BS>.] D<BS>DE<BS>ES<BS>SC<BS>CR<BS>RI<BS>IP<BS>PT<BS>TI<BS>IO<BS>ON<BS>N The u<BS>ul<BS>l utility reads the named files (or standard input if none are given) and translates occurrences of underscores to the sequence which indicates underlining for the terminal in use, as specified by the ...

Se si invia questo file, così come si vede, allo schermo, non si ottiene alcun evidenziamento:

cat /tmp/ul.txt[Invio]

Se invece si utilizza ul, lo si vede come dovrebbe (purché il terminale sia in grado di farlo):

ul /tmp/ul.txt[Invio]

Eventualmente si può consultare la pagina di manuale ul(1).

200.7   Estrazione parziale e statistiche

Alcuni programmi si occupano di estrarre dall'input solo alcune porzioni, o solo delle informazioni riepilogative, o ancora di suddividere l'input in parti più piccole. In particolare, head, tail e split, condividono un'opzione che permette di definire una dimensione in byte, che può fare uso di un moltiplicatore, in base a quanto indicato dalla tabella 200.20.

Tabella 200.20. Moltiplicatori utilizzati da head, tail e split.

Moltiplicatore Significato
b Blocchi di 512 byte.
k Blocchi di 1 Kibyte.
m Blocchi di 1 Mibyte.

200.7.1   Utilizzo di «head»

Il programma di servizio head (15) emette attraverso lo standard output la prima parte (le prime 10 righe se non viene specificato diversamente con le opzioni) dei file forniti come argomento:

head [opzioni] [file...]

Tabella 200.21. Alcune opzioni.

Opzione Descrizione
-c dimensione
--bytes=dimensione
Emette la quantità di byte indicata dalla dimensione. Alla fine del numero può essere aggiunta una lettera che si comporta come moltiplicatore, secondo quanto mostrato nella tabella 200.20.
-n dimensione
--lines=dimensione
Emette la quantità di righe indicata dalla dimensione.

200.7.2   Utilizzo di «tail»

Il programma di servizio tail (16) emette attraverso lo standard output la parte finale (le ultime 10 righe se non viene specificato diversamente con le opzioni) dei file forniti come argomento:

tail [opzioni] [file...]

Tabella 200.22. Alcune opzioni.

Opzione Descrizione
-c dimensione
--bytes=dimensione
Emette la quantità di byte indicata dalla dimensione. Alla fine del numero può essere aggiunta una lettera che si comporta come moltiplicatore, secondo quanto mostrato nella tabella 200.20.
-n dimensione
--lines=dimensione
Emette la quantità di righe indicata dalla dimensione.
-f
--follow
Cerca di continuare la lettura del file, assumendo che questo debba allungarsi per opera di un altro processo (come avviene nel caso dei file delle registrazioni).

L'esempio seguente legge la parte finale del file /var/log/messages e continua a farlo in attesa di aggiunte al file, inviando quanto ottenuto al dispositivo /dev/tty10. Il processo viene messo opportunamente sullo sfondo in modo da liberare il terminale.

tail -f /var/log/messages > /dev/tty10 &[Invio]

200.7.3   Utilizzo di «split»

Il programma di servizio split (17) suddivide il contenuto del file fornito come argomento in porzioni ordinate, di una lunghezza massima definita (di solito 1 000 righe):

split [opzioni] [file [prefisso]]

I file che vengono generati hanno il prefisso indicato nell'argomento (oppure x se non viene specificato), seguito da una coppia di lettere che cambiano secondo una sequenza ordinata: aa, ab, ac,... Pertanto, i nomi ottenuti possono essere ordinati nello stesso modo con cui il file originale è stato suddiviso.

Tabella 200.23. Alcune opzioni.

Opzione Descrizione
-l righe
--lines=righe
Definisce il numero di righe dei file di destinazione.
-b dimensione
--bytes=dimensione
Definisce la dimensione in byte dei file di destinazione. Alla fine del numero può essere aggiunta una lettera che si comporta come moltiplicatore, secondo quanto mostrato nella tabella 200.20.
-C dimensione
--line-bytes=dimensione
Definisce la dimensione massima in byte dei file di destinazione, intendendo però che questi file contengano righe intere. Si possono usare gli stessi moltiplicatori utilizzabili nell'opzione -b.

200.7.4   Utilizzo di «csplit»

Il programma di servizio csplit (18) serve a suddividere un file in più parti, secondo uno o più modelli. Ogni modello indicato alla fine della riga di comando, specifica l'inizio di una nuova porzione di file che si vuole ottenere:

csplit [opzioni] file modello...

Il modello in questione può essere rappresentato da un numero, che esprime la quantità di righe da contare, per determinare l'inizio della porzione successiva, oppure da un'espressione regolare, che, a seconda della delimitazione, può anche servire a eliminare una porzione di file.

Salvo indicazione diversa, csplit genera una serie di file secondo il modello xxnn; in pratica, si tratta di una serie di file il cui nome inizia con due «x» e termina con un numero di due cifre. In particolare, con l'opzione -f è possibile stabilire un prefisso diverso da queste due «x».

Come accennato, ogni modello può essere rappresentato da un numero, o da un'espressione regolare, ma in più, può essere aggiunto un simbolo speciale che ne rappresenta la ripetizione, per permettere l'indicazione dello stesso modello per più porzioni del file:

modello [{n_ripetizioni|*}]

Come si vede dallo schema sintattico, l'indicazione eventuale delle ripetizioni è racchiuso tra parentesi graffe, che quindi fanno parte del comando. Quando si vogliono indicare tali parentesi graffe, è probabile che si debbano proteggere dall'interpretazione della shell. Vengono descritte di seguito le varie forme dei modelli che possono essere indicati, assieme a una spiegazione sull'uso del simbolo di ripetizione.

Tenendo conto che dovrebbe trattarsi di un programma di servizio GNU, le espressioni regolari vanno espresse secondo le convenzioni GNU. Per la precisione, vengono utilizzate le espressioni regolari estese (ERE). A questo proposito è conveniente leggere i capitoli 665 e 666.

Tabella 200.24. Alcune opzioni.

Opzione Descrizione
-f prefisso_nomi_file
--prefix=prefisso_nomi_file
Questa opzione permette di specificare l'inizio dei nomi dei file che vengono generati. Senza usare questa opzione, i file iniziano per xx*.
-n n_cifre_numeriche
--digits=n_cifre_numeriche
In condizioni normali, il nome dei file che vengono generati, termina con due sole cifre numeriche, cosa che consente la creazione di 100 file differenti (da 00 a 99). Con questa opzione è possibile modificare il numero di cifre numeriche di questi file.
-s
-q
--silent
--quiet
Se non viene usata questa opzione, csplit emette attraverso lo standard output una serie di numeri, corrispondenti alla dimensione in byte dei file che vengono generati.

Segue la descrizione di alcuni esempi.

200.7.5   Utilizzo di «wc»

Il programma di servizio wc (19) emette attraverso lo standard output la statistica sul conteggio dei codici di interruzione di riga (in pratica il numero delle righe), delle parole e dei byte:

wc [opzioni] [file...]

Se attraverso le opzioni vengono specificati uno o due tipi di conteggio, quelli che non sono indicati espressamente non vengono emessi.

Tabella 200.25. Alcune opzioni.

Opzione Descrizione
-c
--bytes
Emette la dimensione in byte.
-w
--words
Emette il totale delle parole.
-l
--lines
Emette il numero di righe (precisamente il numero dei codici di interruzione di riga).

200.8   Ordinamento

Alcuni programmi si occupano di riordinare file o di utilizzare file ordinati. L'ordinamento, la fusione, l'eliminazione degli elementi doppi e la ricerca binaria, rientrano in questo concetto.

200.8.1   Utilizzo di «sort»

Il programma di servizio sort (20) permette di ordinare o fondere insieme (merge) il contenuto dei file:

sort [opzioni] [file...]

Sono disponibili tre modalità di funzionamento:

Il risultato dell'ordinamento o della fusione, viene emesso attraverso lo standard output se non si specifica diversamente attraverso le opzioni.

Tabella 200.26. Opzioni riferite alla modalità di funzionamento.

Opzione Descrizione
-c
Controlla che i file indicati siano già ordinati; se non lo sono, viene emessa una segnalazione di errore e il programma termina restituendo il valore uno, corrispondente a Falso.
-m
Fonde insieme i file indicati che devono essere già stati ordinati in precedenza. Nel caso non lo siano, si può sempre usare la modalità di ordinamento normale. L'utilizzo di questa opzione fa risparmiare tempo quando la situazione lo consente.

Tabella 200.27. Opzioni riferite al tipo di ordinamento.

Opzione Descrizione
-b
Ignora gli spazi bianchi iniziali.
-d
Durante l'ordinamento ignora tutti i caratteri che non siano lettere, numeri e spazi.
-f
Non distingue tra maiuscole e minuscole.
-i
Ignora i caratteri speciali al di fuori dell'ASCII puro (da 3016 a 7E16 compresi).
-n
Esegue una comparazione, o un ordinamento, di tipo numerico, tenendo conto anche del segno meno e del punto decimale.
-r
Inverte l'ordine della comparazione o dell'ordinamento.

Tabella 200.28. Altre opzioni.

Opzione Descrizione
-o file_generato
Invece di utilizzare lo standard output per emettere il risultato dell'ordinamento o della fusione, utilizza il file indicato come argomento di questa opzione.
-t carattere_separatore
Permette di definire il carattere usato come separatore tra i campi che compongono le varie righe (record).
-u
Il risultato dell'utilizzo di questa opzione dipende dalla modalità di funzionamento di sort. Se è attiva la modalità di ordinamento o di fusione, fa sì che, in caso di chiavi duplicate, venga emesso solo il primo di questi record. Se è attiva la modalità di controllo, fa sì che venga segnalato un errore in presenza di chiavi duplicate.
-k +posizione_iniziale\
  \[,posizione_finale]
Specifica la chiave di ordinamento o di fusione secondo una sintassi particolare (che qui non viene descritta).

Segue la descrizione di alcuni esempi.

Si veda eventualmente il documento info sort oppure la pagina di manuale sort(1).

200.8.2   Utilizzo di «uniq»

Il programma di servizio uniq (21) filtra il contenuto dei file ed emette solo le righe uniche. Il file fornito come input deve essere ordinato:

uniq [opzioni] [file_in_ingresso [file_in_uscita]]

Si veda eventualmente il documento info uniq oppure la pagina di manuale uniq(1).

200.8.3   Utilizzo di «comm»

Il programma di servizio comm (22) confronta due file ordinati ed emette attraverso lo standard output l'indicazione delle righe uniche nel primo e nel secondo file, oltre alle righe che i due file hanno in comune:

comm [opzioni] [file1] file2

Se non vengono specificate delle opzioni, viene emesso un risultato su tre colonne: la prima contiene le righe uniche del primo file, la seconda le righe uniche del secondo file, la terza le righe in comune.

Tabella 200.29. Alcune opzioni.

Opzione Descrizione
-1
Sopprime la prima colonna.
-2
Sopprime la seconda colonna.
-3
Sopprime la terza colonna.

200.9   Campi

Alcuni programmi si occupano di elaborare porzioni di file a livello delle righe (o dei record).

Quando le righe di un file contengono informazioni strutturate in qualche modo, gli elementi di queste sono chiamati campi, inoltre, al posto del termine «riga» si preferisce utilizzare la parola record che esprime più precisamente il ruolo di questa: contenere una registrazione.

I campi di un record possono avere una dimensione fissa, oppure variabile. Nel primo caso anche i record hanno una dimensione fissa e la suddivisione in campi avviene in base alla posizione; nel secondo caso i record hanno una dimensione variabile e i campi vengono riconosciuti in base a un separatore che di solito deve essere definito.

200.9.1   Utilizzo di «cut»

Il programma di servizio cut (23) emette attraverso lo standard output porzioni del contenuto di ogni riga dei file indicati come argomento. Il modo con cui ciò avviene dipende dagli argomenti, attraverso i quali possono essere definite delle liste di valori o di intervalli. Il primo elemento corrisponde al numero uno.

cut [opzioni] [file...]

Tabella 200.30. Alcune opzioni.

Opzione Descrizione
-b lista_di_byte
--bytes=lista_di_byte
Definisce gli intervalli da estrarre espressi in byte.
-f lista_di_campi
--fields=lista_di_campi
Definisce gli intervalli da estrarre espressi in campi. I campi sono distinti in base a un certo carattere usato come delimitatore. Quello predefinito è il carattere di tabulazione.
-d delimitatore
--delimiter=delimitatore
Definisce un delimitatore alternativo al carattere di tabulazione.

200.9.2   Utilizzo di «paste»

Il programma di servizio paste (24) emette attraverso lo standard output l'unione, riga per riga, dei file indicati come argomento. Le righe dei file vengono prese in ordine sequenziale e unite separandole con un carattere di tabulazione. Al termine delle nuove righe ottenute, viene aggiunto il codice di interruzione di riga.

paste [opzioni] [file...]

Tabella 200.31. Alcune opzioni.

Opzione Descrizione
-s
--serial
In questo caso viene utilizzato un solo file alla volta e tutte le sue righe vengono unite in un'unica riga.
-d elenco_delimitatori
--delimiters elenco_delimitatori
Viene utilizzato l'elenco di delimitatori fornito, invece di utilizzare la tabulazione per separare le righe riunite. Quando l'elenco di delimitatori viene esaurito, si ricomincia a usare il primo.

200.9.3   Utilizzo di «join»

Il programma di servizio join (25) genera un file contenente le righe che hanno chiavi identiche nei due file indicati tra gli argomenti. I due file devono essere già ordinati in base alle chiavi che si vogliono prendere in considerazione per la selezione.

join [opzioni] file1 file2

Si veda eventualmente il documento info join oppure la pagina di manuale join(1).

200.10   Indici

Il testo contenuto in un file può richiedere la creazione di un indice di alcune o di tutte le parole contenute. Per questo si può realizzare un programma apposito, che produca esattamente il risultato voluto, oppure ci si può servire di qualcosa di già pronto, come ptx.

200.10.1   Utilizzo di «ptx»

Il programma di servizio ptx (26) serve a scandire un file di testo per generare una sorta di indice del suo contenuto, che può essere usato così come prodotto dal programma o può servire per l'utilizzo nell'ambito di un sistema di composizione particolare.

Il programma ptx standard dei sistemi Unix ha delle limitazioni significative, mentre la versione GNU cerca di espandere le sue possibilità. Per questa ragione, si mostrano due modelli sintattici, dove il primo, con l'opzione -G iniziale, serve a richiamare il comportamento tradizionale:

ptx -G [altre_opzioni] [file_ingresso [file_uscita]]
ptx [altre_opzioni] [file_ingresso...]

Si può osservare che tra i due modelli sintattici cambia anche il modo di specificare i file da leggere e da generare; in pratica, nel secondo caso il file generato viene emesso attraverso lo standard output, oppure attraverso l'uso di un'opzione apposita.

Per evitare confusione, si distinguono due gruppi di opzioni: quelle tradizionali, che corrispondono a opzioni corte con una lettera minuscola; quelle speciali della versione GNU che sono rappresentate da una lettera maiuscola.

Per cercare di capire cosa fa questo programma, conviene vedere un esempio funzionante secondo la modalità GNU. Si prende un file molto breve, come questo:

Giro giro tondo,
casca il mondo,
casca la terra,
tutti giù per terra!

Supponendo che questo file si chiami terra.txt, ecco cosa succede se viene elaborato da ptx, secondo le estensioni GNU:

ptx terra.txt[Invio]

   casca la terra, tutti giù/          Giro giro tondo, casca il mondo,
   tutti giù/       Giro giro tondo,   casca il mondo, casca la terra,
        /giro tondo, casca il mondo,   casca la terra, tutti giù per/
   la terra, tutti giù per/     Giro   giro tondo, casca il mondo, casca
     il mondo, casca la terra, tutti   giù per terra!              /, casca
   giù/       Giro giro tondo, casca   il mondo, casca la terra, tutti
       /tondo, casca il mondo, casca   la terra, tutti giù per terra!
           Giro giro tondo, casca il   mondo, casca la terra, tutti giù/
         , casca la terra, tutti giù   per terra!                 /il mondo
     tondo, casca il mondo, casca la   terra, tutti giù per terra!    /giro
     , casca la terra, tutti giù per   terra!                     /il mondo
   terra, tutti giù/       Giro giro   tondo, casca il mondo, casca la
     casca il mondo, casca la terra,   tutti giù per terra!         /tondo,

Il file che si ottiene è ordinato a partire dalla colonna di testo che si trova nella parte destra; le righe sono ripetute, con uno scorrimento orizzontale, in modo da prendere in considerazione tutte le parole del testo, tenendo conto anche della loro sequenza. All'estrema sinistra può apparire una porzione del testo che avanza dalla parte destra, così, all'estrema destra può apparire una porzione di testo che non avanza dalla parte iniziale.

Evidentemente, lo scopo del programma non si limita a spezzare il testo in tutti i modi possibili, per poi riordinarlo; questo tipo di lavoro serve eventualmente per creare degli indici. A questo proposito, con le opzioni si possono indicare solo alcuni gruppi di parole di interesse, così come se ne possono escludere altre. Inoltre, il risultato dell'elaborazione può essere indicizzato in qualche modo visibile, per consentire di raggiungere la stessa cosa nel documento di partenza.

Ecco cosa si ottiene utilizzando ptx secondo la modo di funzionamento tradizionale:

ptx -G terra.txt[Invio]

.xx "" "" "Giro giro tondo," ""
.xx "" "" "casca il mondo," ""
.xx "" "" "casca la terra," ""
.xx "" "Giro" "giro tondo," ""
.xx "" "tutti" "giù per terra!" ""
.xx "" "casca" "il mondo," ""
.xx "" "casca" "la terra," ""
.xx "" "casca il" "mondo," ""
.xx "" "tutti giù" "per terra!" ""
.xx "" "tutti giù per" "terra!" ""
.xx "" "casca la" "terra," ""
.xx "" "Giro giro" "tondo," ""
.xx "" "" "tutti giù per terra!" ""

Le righe sono precedute dalla stringa .xx che potrebbe servire per richiamare una macro di *roff (capitolo 528).

Usando le estensioni GNU, si può ottenere qualcosa di simile per TeX (parte lxxv):

ptx -T terra.txt[Invio]

\xx {casca la terra, tutti gi\`u}{}{Giro}{ giro tondo, casca il mondo,}{}
\xx {tutti gi\`u}{Giro giro tondo,}{casca}{ il mondo, casca la terra,}{}
\xx {}{giro tondo, casca il mondo,}{casca}{ la terra, tutti gi\`u per}{}
\xx {la terra, tutti gi\`u per}{Giro}{giro}{ tondo, casca il mondo, casca}{}
\xx {}{il mondo, casca la terra, tutti}{gi\`u}{ per terra!}{, casca}
\xx {gi\`u}{Giro giro tondo, casca}{il}{ mondo, casca la terra, tutti}{}
\xx {}{tondo, casca il mondo, casca}{la}{ terra, tutti gi\`u per terra!}{}
\xx {}{Giro giro tondo, casca il}{mondo}{, casca la terra, tutti gi\`u}{}
\xx {}{, casca la terra, tutti gi\`u}{per}{ terra!}{il mondo}
\xx {}{tondo, casca il mondo, casca la}{terra}{, tutti gi\`u per terra!}{giro}
\xx {}{, casca la terra, tutti gi\`u per}{terra}{!}{il mondo}
\xx {terra, tutti gi\`u}{Giro giro}{tondo}{, casca il mondo, casca la}{}
\xx {}{casca il mondo, casca la terra,}{tutti}{ gi\`u per terra!}{tondo,}

Sempre utilizzando le estensioni GNU è possibile dare un indice al risultato:

ptx -A terra.txt[Invio]

terra.txt:1:  mondo, casca la/             Giro giro tondo, casca il
terra.txt:2:            Giro giro tondo,   casca il mondo, casca la/
terra.txt:3:     /tondo, casca il mondo,   casca la terra, tutti giù/
terra.txt:1:  casca la terra,/      Giro   giro tondo, casca il mondo,
terra.txt:4:     , casca la terra, tutti   giù per terra!      /il mondo
terra.txt:2:      Giro giro tondo, casca   il mondo, casca la terra,/
terra.txt:3:    /, casca il mondo, casca   la terra, tutti giù per/
terra.txt:2:       /giro tondo, casca il   mondo, casca la terra,/
terra.txt:4:         la terra, tutti giù   per terra!      /mondo, casca
terra.txt:3:   /casca il mondo, casca la   terra, tutti giù per terra!
terra.txt:4:     la terra, tutti giù per   terra!               /, casca
terra.txt:1:  casca la/        Giro giro   tondo, casca il mondo,
terra.txt:4:      mondo, casca la terra,   tutti giù per terra!      /il

Come si può vedere, si ottiene l'indicazione del file che contiene l'informazione e della riga in cui appare. Se si modifica il file, aggiungendo una sigla davanti a ogni riga, si può sfruttare questa informazione per l'indicizzazione. Il file viene modificato nel modo seguente, dove le sigle sono state scelte senza un criterio particolare:

p1.1 Giro giro tondo,
p1.2 casca il mondo,
p1.3 casca la terra,
p1.4 tutti giù per terra!

ptx -r terra.txt[Invio]

p1.1                                   Giro giro tondo,
p1.2                                   casca il mondo,
p1.3                                   casca la terra,
p1.1                            Giro   giro tondo,
p1.4                           tutti   giù per terra!
p1.2                           casca   il mondo,
p1.3                           casca   la terra,
p1.2                        casca il   mondo,
p1.4                       tutti giù   per terra!
p1.3                        casca la   terra,
p1.4                   tutti giù per   terra!
p1.1                       Giro giro   tondo,
p1.4                                   tutti giù per terra!

ptx -G -r terra.txt[Invio]

.xx "" "" "Giro giro tondo," "" "p1.1"
.xx "" "" "casca il mondo," "" "p1.2"
.xx "" "" "casca la terra," "" "p1.3"
.xx "" "Giro" "giro tondo," "" "p1.1"
.xx "" "tutti" "giù per terra!" "" "p1.4"
.xx "" "casca" "il mondo," "" "p1.2"
.xx "" "casca" "la terra," "" "p1.3"
.xx "" "casca il" "mondo," "" "p1.2"
.xx "" "tutti giù" "per terra!" "" "p1.4"
.xx "" "tutti giù per" "terra!" "" "p1.4"
.xx "" "casca la" "terra," "" "p1.3"
.xx "" "Giro giro" "tondo," "" "p1.1"
.xx "" "" "tutti giù per terra!" "" "p1.4"

L'utilizzo ptx richiede un obiettivo da risolvere con questo programma. In generale potrebbe essere utile come aiuto nella realizzazione di documenti *roff (capitolo 528) e TeX o LaTeX (parte lxxv). In quella ipotesi si può procedere allo studio approfondito della sua documentazione: il documento info ptx oppure la pagina di manuale ptx(1).


1) GNU core utilities   GNU GPL

2) GNU core utilities   GNU GPL

3) GNU core utilities   GNU GPL

4) GNU core utilities   GNU GPL

5) util-linux: rev   UCB BSD

6) Dog   GNU GPL

7) GNU core utilities   GNU GPL

8) GNU core utilities   GNU GPL

9) GNU core utilities   GNU GPL

10) column   UCB BSD

11) colrm   UCB BSD

12) col   UCB BSD

13) colcrt   UCB BSD

14) ul   UCB BSD

15) GNU core utilities   GNU GPL

16) GNU core utilities   GNU GPL

17) GNU core utilities   GNU GPL

18) GNU core utilities   GNU GPL

19) GNU core utilities   GNU GPL

20) GNU core utilities   GNU GPL

21) GNU core utilities   GNU GPL

22) GNU core utilities   GNU GPL

23) GNU core utilities   GNU GPL

24) GNU core utilities   GNU GPL

25) GNU core utilities   GNU GPL

26) GNU core utilities   GNU GPL


Appunti di informatica libera 2008 --- Copyright © 2000-2008 Daniele Giacomini -- <appunti2 (ad) gmail·com>


Dovrebbe essere possibile fare riferimento a questa pagina anche con il nome gestione_dei_file_di_testo.htm

[successivo] [precedente] [inizio] [fine] [indice generale] [indice ridotto] [indice analitico] [home]

Valid ISO-HTML!

CSS validator!

Gjlg Metamotore e Web Directory