| rev |
line source |
|
meillo@6
|
1 Das Werkzeugkaestle, #1
|
|
meillo@0
|
2
|
|
meillo@6
|
3 cut - cut out selected fields of each line of a file
|
|
meillo@6
|
4 ----------------------------------------------------
|
|
meillo@6
|
5 markus schnalke <meillo@marmaro.de>
|
|
meillo@6
|
6 2015-05
|
|
meillo@0
|
7
|
|
meillo@0
|
8
|
|
meillo@1
|
9 Cut ist ein klassisches Programm im Unix-Werkzeugkasten.
|
|
meillo@8
|
10 In keinem ordentlichen Tutorial zur Shellprogrammierung fehlt
|
|
meillo@8
|
11 es. Es ist ein schoenes Anschauungsobjekt fuer's Shellscripting.
|
|
meillo@8
|
12 Hier soll ein wenig hinter die Fassade von cut geschaut werden.
|
|
meillo@0
|
13
|
|
meillo@0
|
14
|
|
meillo@4
|
15 Funktionsweise
|
|
meillo@4
|
16
|
|
meillo@8
|
17 Urspruenglich hatte cut zwei Modi, die spaeter um einen dritten
|
|
meillo@8
|
18 erweitert wurden. Cut schneidet entweder bestimmte Zeichen aus
|
|
meillo@8
|
19 den Zeilen der Eingabe oder bestimmte, durch Trennzeichen
|
|
meillo@8
|
20 definierte, Felder.
|
|
meillo@0
|
21
|
|
meillo@8
|
22 Der Zeichenmodus ist geeignet um Festbreitenformaten zu
|
|
meillo@8
|
23 zerteilen. So kann man damit beispielsweise bestimmte
|
|
meillo@8
|
24 Zugriffsrechte aus der Ausgabe von `ls -l' ausschneiden. Hier
|
|
meillo@8
|
25 die Rechte des Besitzers:
|
|
meillo@0
|
26
|
|
meillo@4
|
27 $ ls -l foo | cut -c 2-4
|
|
meillo@4
|
28 rw-
|
|
meillo@0
|
29
|
|
meillo@4
|
30 Oder die Schreibrechte des Besitzers, der Gruppe und der
|
|
meillo@4
|
31 Welt:
|
|
meillo@0
|
32
|
|
meillo@4
|
33 $ ls -l | cut -c 3,6,9
|
|
meillo@4
|
34 ww-
|
|
meillo@0
|
35
|
|
meillo@4
|
36 Mit cut lassen sich aber auch Strings kuerzen.
|
|
meillo@0
|
37
|
|
meillo@6
|
38 $ echo "$long" | cut -c -20
|
|
meillo@0
|
39
|
|
meillo@8
|
40 Dieser Befehl gibt die ersten maximal 20 Zeichen von
|
|
meillo@8
|
41 `$long' aus. (Alternativ kann man hierfuer auch `printf
|
|
meillo@8
|
42 "%.20s\n" "$long"' verwenden.)
|
|
meillo@0
|
43
|
|
meillo@4
|
44 Geht es aber nicht um die Darstellung von Zeichen, sondern um
|
|
meillo@8
|
45 ihre Speicherung, dann ist `-c' nicht unbedingt geeignet.
|
|
meillo@8
|
46 Frueher, als US-ASCII als Zeichensatz und -kodierung
|
|
meillo@4
|
47 noch omnipraesent war, wurde jedes Zeichen mit genau einem
|
|
meillo@4
|
48 Byte gespeichert. Somit selektierte `cut -c' gleichermassen
|
|
meillo@4
|
49 sowohl Ausgabezeichen als auch Bytes. Mit dem Aufkommen von
|
|
meillo@4
|
50 Multibyte-Kodierungen (wie UTF-8) musste man sich jedoch von
|
|
meillo@4
|
51 dieser Annahme loesen. In diesem Zug bekam cut mit
|
|
meillo@8
|
52 POSIX.2-1992 einen Bytemodus mit der Option `-b'. Will man
|
|
meillo@4
|
53 also nur die ersten maximal 500 Bytes vor dem
|
|
meillo@0
|
54 Newline-Zeichen stehen haben (und den Rest stillschweigend
|
|
meillo@0
|
55 ignorieren), dann macht man das mit:
|
|
meillo@0
|
56
|
|
meillo@6
|
57 $ cut -b -500
|
|
meillo@0
|
58
|
|
meillo@4
|
59 Den Rest kann man sich mit `cut -b 501-' einfangen. Diese
|
|
meillo@8
|
60 Funktion ist insbesondere fuer POSIX wichtig, da man so
|
|
meillo@8
|
61 Textdateien mit begrenzter Zeilenlaenge erzeugen kann.
|
|
meillo@4
|
62 [ http://pubs.opengroup.org/onlinepubs/9699919799/utilities/cut.html#tag_20_28_17
|
|
meillo@0
|
63
|
|
meillo@0
|
64 Neben dem Zeichen- bzw. Byte-Modus bietet cut noch den
|
|
meillo@8
|
65 Feld-Modus, den man mit `-f' einleitet. Mit ihm
|
|
meillo@4
|
66 koennen Felder ausgewaehlt werden. Das Trennzeichen (per
|
|
meillo@4
|
67 Default der Tab) kann mit `-d' geaendert werden.
|
|
meillo@0
|
68
|
|
meillo@8
|
69 Der typische Anwendungsfall fuer cut im Feld-Modus ist die
|
|
meillo@8
|
70 Auswahl von Information aus der passwd-Datei. So z.B. der
|
|
meillo@8
|
71 Benutername, seine ID und das Homeverzeichnis:
|
|
meillo@0
|
72
|
|
meillo@6
|
73 $ cut -d: -f1,3,6 /etc/passwd
|
|
meillo@0
|
74
|
|
meillo@0
|
75 (Die Argumente fuer die Optionen koennen bei cut uebrigens
|
|
meillo@8
|
76 mit Whitespace abgetrennt oder direkt angehaengt folgen.)
|
|
meillo@0
|
77
|
|
meillo@0
|
78
|
|
meillo@4
|
79 Dieser Feld-Modus ist fuer einfache tabellarische Dateien,
|
|
meillo@4
|
80 wie eben die passwd, gut geeignet. Er kommt aber schnell an
|
|
meillo@0
|
81 seine Grenzen. Gerade der uebliche Fall, dass an Whitespace
|
|
meillo@0
|
82 in Felder geteilt werden soll, wird damit nicht abgedeckt.
|
|
meillo@0
|
83 Der Delimiter kann nur genau ein Zeichen sein. Es kann also
|
|
meillo@0
|
84 nicht sowohl an Leerzeichen als auch an Tabs getrennt werden.
|
|
meillo@0
|
85 Auch unterteilt cut an jedem Trennzeichen. Zwei aneinander
|
|
meillo@4
|
86 stehende Trennzeichen fuehren zu einem leeren Feld. Dieses
|
|
meillo@8
|
87 Verhalten widerspricht den Erwartungen, die man an die
|
|
meillo@8
|
88 Verarbeitung einer Datei mit Whitespace-getrennten Feldern
|
|
meillo@8
|
89 hat. Manche Implementierungen von cut, z.B. die von FreeBSD,
|
|
meillo@8
|
90 haben Erweiterungen, die das gewuenschte Verhalten fuer
|
|
meillo@8
|
91 Whitespace-getrennte Felder bieten. Ansonsten, d.h. wenn
|
|
meillo@8
|
92 man portabel bleiben will, hilft awk.
|
|
meillo@0
|
93
|
|
meillo@4
|
94 Awk bietet noch eine weitere Funktion, die cut missen
|
|
meillo@8
|
95 laesst: Das Tauschen der Feld-Reihenfolge in der Ausgabe. Bei
|
|
meillo@8
|
96 cut ist die Reihenfolge der Feldauswahlangabe irrelevant; ein
|
|
meillo@8
|
97 Feld kann selbst mehrfach angegeben werden. So gibt der Aufruf
|
|
meillo@8
|
98 von `cut -c 5-8,1,4-6' die Zeichen Nummer 1, 4, 5, 6, 7 und 8
|
|
meillo@8
|
99 in genau dieser Reihenfolge aus. Die Auswahl entspricht damit
|
|
meillo@8
|
100 der Mengenlehre in der Mathematik: Jedes angegebene Feld wird
|
|
meillo@8
|
101 Teil der Ergebnismenge sein. Die Felder der Ergebnismenge sind
|
|
meillo@8
|
102 dabei immer gleich geordnet wie sie es in der Eingabe waren.
|
|
meillo@8
|
103 Oder, um die Worte der Manpage in Version 8 Unix
|
|
meillo@8
|
104 wiederzugeben: ``In data base parlance, it projects a relation.''
|
|
meillo@8
|
105 Cut fuehrt also die Datenbankoperation Projektion auf
|
|
meillo@8
|
106 Textdateien aus. Die Wikipedia erklaert das in
|
|
meillo@8
|
107 verstaendlicherer Sprache:
|
|
meillo@7
|
108
|
|
meillo@7
|
109 Die Projektion entspricht der Projektionsabbildung aus der
|
|
meillo@7
|
110 Mengenlehre und kann auch Attributbeschränkung genannt
|
|
meillo@7
|
111 werden. Sie extrahiert einzelne Attribute aus der
|
|
meillo@7
|
112 ursprünglichen Attributmenge und ist somit als eine Art
|
|
meillo@7
|
113 Selektion auf Spaltenebene zu verstehen, das heißt, die
|
|
meillo@7
|
114 Projektion blendet Spalten aus.
|
|
meillo@7
|
115
|
|
meillo@8
|
116 [ http://de.wikipedia.org/wiki/Projektion_(Informatik)#Projektion
|
|
meillo@8
|
117
|
|
meillo@7
|
118
|
|
meillo@7
|
119
|
|
meillo@7
|
120
|
|
meillo@0
|
121 Geschichtliches
|
|
meillo@0
|
122
|
|
meillo@4
|
123 Cut erblickte 1982 mit dem Release von UNIX System III das
|
|
meillo@4
|
124 Licht der oeffentlichen Welt. Wenn man die Quellen von System
|
|
meillo@4
|
125 III durchforstet, findet man die Quellcodedatei cut.c mit dem
|
|
meillo@4
|
126 Zeitstempel 1980-04-11.
|
|
meillo@1
|
127 [ http://minnie.tuhs.org/cgi-bin/utree.pl?file=SysIII/usr/src/cmd
|
|
meillo@4
|
128 Das ist die aelteste Manifestation des Programms, die ich
|
|
meillo@8
|
129 aufstoebern konnte. Allerdings spricht die sccsid im
|
|
meillo@8
|
130 Quellcode von Version 1.5. Es muss also noch eine
|
|
meillo@8
|
131 Vorgeschichte geben. Zu dieser habe ich leider keinen Zugang
|
|
meillo@8
|
132 gefunden.
|
|
meillo@0
|
133
|
|
meillo@1
|
134 Aber werfen wir doch einen Blick auf die BSD-Linie: Dort ist mein
|
|
meillo@8
|
135 fruehester Fund ein cut.c mit dem Dateimodifikationsdatum
|
|
meillo@8
|
136 1986-11-07
|
|
meillo@8
|
137 [ http://minnie.tuhs.org/cgi-bin/utree.pl?file=4.3BSD-UWisc/src/usr.bin/cut
|
|
meillo@8
|
138 als Teil der Spezialversion 4.3BSD-UWisc,
|
|
meillo@6
|
139 [ http://gunkies.org/wiki/4.3_BSD_NFS_Wisconsin_Unix
|
|
meillo@6
|
140 die im Januar 1987 veroeffentlicht wurde.
|
|
meillo@8
|
141 Die Implementierung unterscheidet sich nur minimal von der
|
|
meillo@8
|
142 in System III.
|
|
meillo@8
|
143 Im bekannteren 4.3BSD-Tahoe (1988) taucht cut nicht auf.
|
|
meillo@8
|
144 Das darauf folgende 4.3BSD-Reno (1990) liefert aber wieder
|
|
meillo@8
|
145 ein cut mit aus. Dieses cut ist ein von Adam S. Moskowitz und
|
|
meillo@8
|
146 Marciano Pitargue neu implementiertes cut, das 1989 in BSD
|
|
meillo@8
|
147 aufgenommen wurde.
|
|
meillo@1
|
148 [ http://minnie.tuhs.org/cgi-bin/utree.pl?file=4.3BSD-Reno/src/usr.bin/cut
|
|
meillo@4
|
149 Seine Manpage
|
|
meillo@1
|
150 [ http://minnie.tuhs.org/cgi-bin/utree.pl?file=4.3BSD-Reno/src/usr.bin/cut/cut.1
|
|
meillo@4
|
151 erwaehnt bereits die erwartete Konformitaet mit POSIX.2.
|
|
meillo@4
|
152 Nun sollte man wissen, dass POSIX.2 erst im September
|
|
meillo@8
|
153 1992 veroeffentlicht wurde, also gut zwei Jahren *nachdem* die
|
|
meillo@8
|
154 Manpage und das Programm geschrieben wurden. Das Programm
|
|
meillo@8
|
155 wurde also anhand von Arbeitsversionen des Standards
|
|
meillo@4
|
156 implementiert. Zweieinhalb Jahre Arbeit war immerhin schon in
|
|
meillo@4
|
157 den Standardisierungsprozess geflossen; bis zur
|
|
meillo@8
|
158 Fertigstellung sollte es aber noch weitere zwei Jahre dauern.
|
|
meillo@0
|
159
|
|
meillo@1
|
160 Trotz all dieser Jahreszahlen aus den 80er Jahren gehoert cut
|
|
meillo@1
|
161 aus Sicht des urspruenglichen Unix zu den juengeren Tools.
|
|
meillo@1
|
162 Wenn cut auch ein Jahrzehnt aelter als Linux, der Kernel, ist,
|
|
meillo@4
|
163 so war Unix doch schon ueber zehn Jahre alt, als cut das
|
|
meillo@4
|
164 erste Mal auftauchte. Insbesondere gehoerte cut noch nicht
|
|
meillo@4
|
165 zu Version 7 Unix, das die Ausgangsbasis aller modernen
|
|
meillo@4
|
166 Unix-Systeme darstellt. Die weit komplexeren Programme sed
|
|
meillo@4
|
167 und awk waren dort schon vertreten. Man muss sich also
|
|
meillo@4
|
168 fragen, warum cut ueberhaupt noch entwickelt wurde, wo es
|
|
meillo@8
|
169 schon zwei Programme gab, die die Aufgabe von cut abdeckten.
|
|
meillo@8
|
170 Ein Argument fuer cut war sicher seine Kompaktheit und
|
|
meillo@4
|
171 die damit verbundene Geschwindigkeit gegenueber dem damals
|
|
meillo@4
|
172 traegen awk. Diese schlanke Gestalt ist es auch, die der Unix
|
|
meillo@4
|
173 Philosopie entspricht: Mache eine Aufgabe und die richtig!
|
|
meillo@4
|
174 So bewaehrte sich cut. Es wurde in andere Unix Varianten
|
|
meillo@4
|
175 uebernommen, standardisiert und ist heutzutage ueberall
|
|
meillo@1
|
176 anzutreffen.
|
|
meillo@1
|
177
|
|
meillo@8
|
178 Die urspruengliche Variante (ohne -b) tauchte schon 1985 in
|
|
meillo@5
|
179 der System V Interface Definition, einer wichtigen formalen
|
|
meillo@5
|
180 Beschreibung von UNIX System V, und in allen relevanten
|
|
meillo@5
|
181 Standards seither auf. Mit POSIX.2 im Jahre 1992 wurde cut
|
|
meillo@5
|
182 zum ersten Mal in der heutigen Form (mit -b) standardisiert.
|
|
meillo@1
|
183
|
|
meillo@1
|
184
|
|
meillo@8
|
185
|
|
meillo@8
|
186 Multibyte-Behandlung
|
|
meillo@8
|
187
|
|
meillo@8
|
188 Nun sind der Bytemodus und die damit verbundene
|
|
meillo@8
|
189 Multibyte-Verarbeitung des POSIX-Zeichenmodus bereits seit
|
|
meillo@8
|
190 1992 standardisiert, wie steht es aber mit deren Umsetzung?
|
|
meillo@8
|
191 Welche Versionen implementieren denn den POSIX korrekt?
|
|
meillo@8
|
192 Die Situation ist mehrschichtig. Es gibt traditionelle
|
|
meillo@8
|
193 Implementierungen, die nur -c und -f kennen. Dann gibt es
|
|
meillo@8
|
194 Implementierungen die zwar -b kennen, es aber nur als Alias
|
|
meillo@8
|
195 fuer -c handhaben. Diese Implementierungen funktionieren mit
|
|
meillo@8
|
196 Single-Byte-Encodings (z.B. US-ASCII, Latin1) korrekt, bei
|
|
meillo@8
|
197 Multi-Byte-Encodings (z.B. UTF-8) verhaelt sich ihr -c aber
|
|
meillo@8
|
198 wie -b (und -n wird ignoriert). Schliesslich gibt es noch
|
|
meillo@8
|
199 Implementierungen, die -b und -c tatsaechlich POSIX-konform
|
|
meillo@8
|
200 implementieren.
|
|
meillo@8
|
201
|
|
meillo@8
|
202 Traditionelle Zwei-Modi-Implementierungen sind z.B. die von
|
|
meillo@8
|
203 System III, System V und die aller BSDs bis in die 90er.
|
|
meillo@8
|
204
|
|
meillo@8
|
205 Pseude-Multibyte-Implementierungen bieten GNU und die
|
|
meillo@8
|
206 modernen NetBSDs und OpenBSDs. Wie sehr dort der Schein von
|
|
meillo@8
|
207 POSIX-konformitaet gewahrt wird, ist unterschiedlich. Nicht
|
|
meillo@8
|
208 immer findet man klare Aussagen wie diese:
|
|
meillo@8
|
209
|
|
meillo@8
|
210 /* Since we don't support multi-byte characters, the -c and -b
|
|
meillo@8
|
211 options are equivalent, and the -n option is meaningless. */
|
|
meillo@8
|
212
|
|
meillo@8
|
213 [ XXX
|
|
meillo@8
|
214
|
|
meillo@8
|
215 Tatsaechlich standardkonforme Implementierungen, die
|
|
meillo@8
|
216 Multibytes korrekt handhaben, bekommt man bei einem modernen
|
|
meillo@8
|
217 FreeBSD und bei den Heirloom Tools. Bei FreeBSD hat Tim Robbins
|
|
meillo@8
|
218 (tjr) im Sommer 2004 den Zeichenmodus POSIX-konform reimplementiert.
|
|
meillo@8
|
219 [ https://svnweb.freebsd.org/base?view=revision&revision=131194
|
|
meillo@8
|
220 Warum die beiden anderen grossen BSDs diese Aenderung nicht
|
|
meillo@8
|
221 uebernommen haben, bleibt offen. Es scheint aber an der im
|
|
meillo@8
|
222 obigen Kommentar formulierten Grundausrichtung zu liegen.
|
|
meillo@8
|
223
|
|
meillo@8
|
224 Wie findet man als Nutzer heraus, ob beim cut(1) des eigenen
|
|
meillo@8
|
225 Systems Multibytes korrekt unterstuetzt werden? Zuerst ist
|
|
meillo@8
|
226 entscheidend, ob das System selbst mit einem Multibyte-Encoding
|
|
meillo@8
|
227 arbeitet, denn tut es das nicht, dann entsprechen sich Zeichen
|
|
meillo@8
|
228 und Bytes und die Frage eruebrigt sich. Man kann dazu nachschauen,
|
|
meillo@8
|
229 welches Locale eingestellt ist, aber einfacher ist es, ein
|
|
meillo@8
|
230 typisches Mehrbytezeichen, wie z.B. einen Umlaut, auszugeben
|
|
meillo@8
|
231 und zu schauen ob dieses in einem oder in mehreren Bytes
|
|
meillo@8
|
232 kodiert ist:
|
|
meillo@8
|
233
|
|
meillo@8
|
234 $ echo ä | od -c
|
|
meillo@8
|
235 0000000 303 244 \n
|
|
meillo@8
|
236 0000003
|
|
meillo@8
|
237
|
|
meillo@8
|
238 In diesem Fall sind es zwei Bytes: oktal 303 und 244 . (Den
|
|
meillo@8
|
239 Zeilenumbruch fuegt echo(1) hinzu.)
|
|
meillo@8
|
240
|
|
meillo@8
|
241 Mit dem Programm iconv(1) kann man Test explizit in bestimmte
|
|
meillo@8
|
242 Kodierungen konvertieren. Hier Beispiele, wie das Ergebnis
|
|
meillo@8
|
243 bei Latin1 und wie es bei UTF-8 aussieht.
|
|
meillo@8
|
244
|
|
meillo@8
|
245 $ echo ä | iconv -t latin1 | od -c
|
|
meillo@8
|
246 0000000 344 \n
|
|
meillo@8
|
247 0000002
|
|
meillo@8
|
248
|
|
meillo@8
|
249 $ echo ä | iconv -t utf8 | od -c
|
|
meillo@8
|
250 0000000 303 244 \n
|
|
meillo@8
|
251 0000003
|
|
meillo@8
|
252
|
|
meillo@8
|
253 Die Ausgabe auf dem eigenen System (ohne die iconv-Konvertierung)
|
|
meillo@8
|
254 wird recht sicher einer dieser beiden Ausgaben entsprechen.
|
|
meillo@8
|
255
|
|
meillo@8
|
256 Nun zum Test der cut-Implementierung. Hat man ein UTF-8-System,
|
|
meillo@8
|
257 dann sollte sich eine POSIX-konforme Implementierung so verhalten:
|
|
meillo@8
|
258
|
|
meillo@8
|
259 $ echo aä | ./cut -c -2 | od -c
|
|
meillo@8
|
260 0000000 a 303 244 \n
|
|
meillo@8
|
261 0000004
|
|
meillo@8
|
262
|
|
meillo@8
|
263 $ echo aä | ./cut -b -2 | od -c
|
|
meillo@8
|
264 0000000 a 303 \n
|
|
meillo@8
|
265 0000003
|
|
meillo@8
|
266
|
|
meillo@8
|
267 $ echo aä | ./cut -b -2 -n | od -c
|
|
meillo@8
|
268 0000000 a \n
|
|
meillo@8
|
269 0000002
|
|
meillo@8
|
270
|
|
meillo@8
|
271 Bei einer Implementierung, die -b und -c gleich behandelt,
|
|
meillo@8
|
272 ist die Ausgabe in allen drei Faellen wie die mittlere: Es
|
|
meillo@8
|
273 werden die ersten beiden Bytes ausgegeben.
|
|
meillo@8
|
274
|
|
meillo@8
|
275
|
|
meillo@8
|
276
|
|
meillo@8
|
277 Implementierungen
|
|
meillo@8
|
278
|
|
meillo@8
|
279 Nun zum Blick auf den Code. Hier soll eine Auswahl an
|
|
meillo@8
|
280 Implementierungen etwas genauer betrachtet werden. Fuer einen
|
|
meillo@8
|
281 ersten Eindruck ist der Umfang des Quellcodes hilfreich.
|
|
meillo@8
|
282 Typischerweise steigt dieser ueber die Jahre an. Diese
|
|
meillo@8
|
283 Beobachtung kann hier in der Tendenz, aber nicht in jedem Fall,
|
|
meillo@8
|
284 bestaetigt werden.
|
|
meillo@8
|
285
|
|
meillo@8
|
286 Die Unterstuetzung des Byte-Modus (-b) erfordert zwangslaeufig
|
|
meillo@8
|
287 mehr Code, deshalb ist zu erwarten, dass diejenigen
|
|
meillo@8
|
288 Implementierungen, die ihn haben, umfangreicher sind.
|
|
meillo@8
|
289
|
|
meillo@8
|
290 Codevergleich
|
|
meillo@8
|
291
|
|
meillo@8
|
292 SLOC Zeilen Bytes Gehoert zu Dateidatum Kategorie
|
|
meillo@8
|
293 -----------------------------------------------------------------
|
|
meillo@8
|
294 116 123 2966 System III 1980-04-11 (trad)
|
|
meillo@8
|
295 118 125 3038 4.3BSD-UWisc 1986-11-07 (trad)
|
|
meillo@8
|
296 200 256 5715 4.3BSD-Reno 1990-06-25 (trad)
|
|
meillo@8
|
297 200 270 6545 NetBSD 1993-03-21 (trad)
|
|
meillo@8
|
298 218 290 6892 OpenBSD 2008-06-27 (pseudo)
|
|
meillo@8
|
299 224 296 6920 FreeBSD 1994-05-27 (trad)
|
|
meillo@8
|
300 232 306 7500 NetBSD 2014-02-03 (pseudo)
|
|
meillo@8
|
301 340 405 7423 Heirloom 2012-05-20 (POSIX)
|
|
meillo@8
|
302 382 586 14175 GNU coreutils 1992-11-08 (pseudo)
|
|
meillo@8
|
303 391 479 10961 FreeBSD 2012-11-24 (POSIX)
|
|
meillo@8
|
304 588 830 23167 GNU coreutils 2015-05-01 (pseudo)
|
|
meillo@8
|
305
|
|
meillo@8
|
306
|
|
meillo@8
|
307 $ awk -F' +' '{printf("%d\t%d (%.2f)\t%d (%.2f)\t%s\t%s\t%s\n",
|
|
meillo@8
|
308 $1, $2, $2/$1, $3, $3/$1, $4, $5, $6);}' <sloc
|
|
meillo@8
|
309 116 123 (1.06) 2966 (25.57) System III 1980-04-11 (trad)
|
|
meillo@8
|
310 118 125 (1.06) 3038 (25.75) 4.3BSD-UWisc 1986-11-07 (trad)
|
|
meillo@8
|
311 200 256 (1.28) 5715 (28.57) 4.3BSD-Reno 1990-06-25 (trad)
|
|
meillo@8
|
312 200 270 (1.35) 6545 (32.73) NetBSD 1993-03-21 (trad)
|
|
meillo@8
|
313 218 290 (1.33) 6892 (31.61) OpenBSD 2008-06-27 (pseudo)
|
|
meillo@8
|
314 224 296 (1.32) 6920 (30.89) FreeBSD 1994-05-27 (trad)
|
|
meillo@8
|
315 232 306 (1.32) 7500 (32.33) NetBSD 2014-02-03 (pseudo)
|
|
meillo@8
|
316 340 405 (1.19) 7423 (21.83) Heirloom 2012-05-20 (POSIX)
|
|
meillo@8
|
317 382 586 (1.53) 14175 (37.11) GNU coreutils 1992-11-08 (pseudo)
|
|
meillo@8
|
318 391 479 (1.23) 10961 (28.03) FreeBSD 2012-11-24 (POSIX)
|
|
meillo@8
|
319 588 830 (1.41) 23167 (39.40) GNU coreutils 2015-05-01 (pseudo)
|
|
meillo@8
|
320
|
|
meillo@8
|
321
|
|
meillo@8
|
322 Einige Auffaelligkeiten:
|
|
meillo@8
|
323
|
|
meillo@8
|
324 Das Kandidatenfeld teilt sich grob in vier Gruppen: Die zwei urspruenglichen
|
|
meillo@8
|
325 Implementierungen, die sich nur minimal unterscheiden, mit gut 100 SLOCs.
|
|
meillo@8
|
326 Dann die fuenf BSD-Versionen mit knapp ueber 200 SLOCs. Anschliessend die
|
|
meillo@8
|
327 zwei POSIX-konformen Programme und die alte GNU-Version mit 350-400
|
|
meillo@8
|
328 SLOCs. Und zum Abschluss die moderne GNU-Variante mit fast 600 SLOCs.
|
|
meillo@8
|
329
|
|
meillo@8
|
330 Die Abweichung von logischen Codezeilen (nach der Definition von
|
|
meillo@8
|
331 SLOCcount) und der Anzahl von Zeilenumbruechen in der Datei erstreckt
|
|
meillo@8
|
332 sich ueber einen Faktor von 1.06 bei den aeltesten Vertretern bis zu
|
|
meillo@8
|
333 Faktor 1.5 bei GNU.
|
|
meillo@8
|
334
|
|
meillo@8
|
335 Betrachtet man die Abweichungen zwischen den logischen Codezeilen und der
|
|
meillo@8
|
336 Dateigroesse, so pendelt das Teilnehmerfeld zwischen 25 und 30 Bytes je
|
|
meillo@8
|
337 Anweisung. Die Heirloom-Implementierung weicht nach unten ab, die
|
|
meillo@8
|
338 GNU-Implementierungen nach oben.
|
|
meillo@8
|
339
|
|
meillo@8
|
340
|
|
meillo@8
|
341
|
|
meillo@8
|
342 Das cut in System III von 1980 ist, wie man anhand der SCCS-ID erkennen
|
|
meillo@8
|
343 kann bereits in Version 1.5. Die Vorversionen konnte ich aber leider nicht
|
|
meillo@8
|
344 ermitteln.
|
|
meillo@8
|
345
|
|
meillo@8
|
346 Schaut man sich die SCCS-IDs in den BSD-Quellen an, dann findet man dort
|
|
meillo@8
|
347 Versionsnummern, die die Entwicklung dokumentieren:
|
|
meillo@8
|
348
|
|
meillo@8
|
349 4.3bsd-uwisc "@(#)cut.c 1.3";
|
|
meillo@8
|
350 4.3bsd-reno "@(#)cut.c 5.3 (Berkeley) 6/24/90";
|
|
meillo@8
|
351 netbsd "@(#)cut.c 5.4 (Berkeley) 10/30/90";
|
|
meillo@8
|
352 freebsd "@(#)cut.c 8.1 (Berkeley) 6/6/93";
|
|
meillo@8
|
353
|
|
meillo@8
|
354 Die neueren BSD-Versionen enthalten zwar weiterhin eine SCCS-ID, diese
|
|
meillo@8
|
355 ist aber bei Version "8.3 (Berkeley) 5/4/95" stehen geblieben. Danach
|
|
meillo@8
|
356 wurde scheinbar von SCCS auf CSV oder SVN gewechselt.
|
|
meillo@8
|
357
|
|
meillo@8
|
358 Bei GNU befindet sich folgender Copyright-Vermerk im Code:
|
|
meillo@8
|
359
|
|
meillo@8
|
360 Copyright (C) 1997-2015 Free Software Foundation, Inc.
|
|
meillo@8
|
361 Copyright (C) 1984 David M. Ihnat
|
|
meillo@8
|
362
|
|
meillo@8
|
363 Wie aus weiteren Kommentaren zu entnehmen ist, wurde der Code von zuerst
|
|
meillo@8
|
364 von David MacKenzie und spaeter von Jim Meyering ueberarbeitet. Letzterer
|
|
meillo@8
|
365 hat den Code 1992 auch ins Versionkontrollsystem eingestellt. Weshalb
|
|
meillo@8
|
366 die Jahre zwischen 1992 und 1997 nicht im Copyright-Vermerk auftauchen,
|
|
meillo@8
|
367 ist unklar.
|
|
meillo@8
|
368
|
|
meillo@8
|
369
|
|
meillo@8
|
370
|
|
meillo@8
|
371
|
|
meillo@2
|
372 Beschreibungen
|
|
meillo@1
|
373
|
|
meillo@2
|
374 Interessant ist ein Vergleich der Kurzbeschreibungen von cut,
|
|
meillo@3
|
375 wie sie sich in der Titelzeile von Manpages oder manchmal auch
|
|
meillo@5
|
376 am Anfang der Quellcodedatei finden.
|
|
meillo@2
|
377
|
|
meillo@5
|
378 Die folgende Liste ist grob nach Zeit geordnet und nach
|
|
meillo@5
|
379 Abstammung gruppiert:
|
|
meillo@3
|
380
|
|
meillo@3
|
381
|
|
meillo@2
|
382 System III cut out selected fields of each line of a file
|
|
meillo@3
|
383 System III (src) cut and paste columns of a table (projection of a relation)
|
|
meillo@2
|
384 System V cut out selected fields of each line of a file
|
|
meillo@2
|
385 HP-UX cut out (extract) selected fields of each line of a file
|
|
meillo@2
|
386
|
|
meillo@3
|
387 4.3BSD-UWisc (src) cut and paste columns of a table (projection of a relation)
|
|
meillo@2
|
388 4.3BSD-Reno select portions of each line of a file
|
|
meillo@2
|
389 NetBSD select portions of each line of a file
|
|
meillo@7
|
390 OpenBSD 4.6 select portions of each line of a file
|
|
meillo@2
|
391 FreeBSD 1.0 select portions of each line of a file
|
|
meillo@3
|
392 FreeBSD 7.0 cut out selected portions of each line of a file
|
|
meillo@2
|
393 SunOS 4.1.3 remove selected fields from each line of a file
|
|
meillo@2
|
394 SunOS 5.5.1 cut out selected fields of each line of a file
|
|
meillo@2
|
395
|
|
meillo@8
|
396 Heirloom Tools cut out selected fields of each line of a file
|
|
meillo@8
|
397
|
|
meillo@2
|
398 POSIX cut out selected fields of each line of a file
|
|
meillo@2
|
399
|
|
meillo@2
|
400 GNU coreutils remove sections from each line of files
|
|
meillo@2
|
401
|
|
meillo@2
|
402 Minix select out columns of a file
|
|
meillo@2
|
403
|
|
meillo@2
|
404 Version 8 Unix rearrange columns of data
|
|
meillo@2
|
405 ``Unix Reader'' rearrange columns of text
|
|
meillo@2
|
406
|
|
meillo@2
|
407
|
|
meillo@5
|
408 Die zwei mit ``(src)'' markierten Beschreibungen sind aus
|
|
meillo@5
|
409 dem Quellcode entnommen, und verdeutlichen den Codetransfer.
|
|
meillo@5
|
410 POSIX ist ein Set von Standards, keine Implementierung. Der
|
|
meillo@5
|
411 ``Unix Reader'' ist ein rueckblickendes Textdokument von
|
|
meillo@5
|
412 Doug McIlroy, das das Auftreten von Tools in der Geschichte
|
|
meillo@5
|
413 des Research Unix zum Thema hat. Alle uebrigen Beschreibungen
|
|
meillo@5
|
414 entstammen den Manpages.
|
|
meillo@5
|
415
|
|
meillo@5
|
416 Zumeist ist mit der Zeit die POSIX-Beschreibung uebernommen
|
|
meillo@5
|
417 worden, wie beispielsweise bei FreeBSD zu sehen.
|
|
meillo@5
|
418 [ https://svnweb.freebsd.org/base?view=revision&revision=167101
|
|
meillo@5
|
419
|
|
meillo@7
|
420 Interessant ist, dass die GNU coreutils seit Anbeginn vom
|
|
meillo@5
|
421 Entfernen von Teilen der Eingabe sprechen, wohingegen die
|
|
meillo@5
|
422 Kommandozeilenangabe klar ein Auswaehlen darstellt. Die
|
|
meillo@5
|
423 Worte ``cut out'' sind vielleicht auch nicht klar genug.
|
|
meillo@5
|
424 HP-UX hat sie deshalb praezisiert.
|
|
meillo@5
|
425
|
|
meillo@5
|
426 Auch beim Begriff, was denn nun selektiert wird, ist man sich
|
|
meillo@5
|
427 uneins. Die einen reden von Feldern (POSIX), andere von
|
|
meillo@5
|
428 Abschnitten bzw. Teilen (BSD) und wieder andere von Spalten
|
|
meillo@5
|
429 (Research Unix). Ironischerweise leistet sich gerade Version
|
|
meillo@5
|
430 8 Unix, das eigentlich um eine sehr treffende Weltsicht
|
|
meillo@5
|
431 bemueht ist, mit ``rearrange columns of data'' die
|
|
meillo@5
|
432 unzutreffendste der Beschreibungen.
|
|
meillo@5
|
433
|
|
meillo@5
|
434
|
|
meillo@2
|
435
|
|
meillo@6
|
436
|
|
meillo@6
|
437 Autoreninfo
|
|
meillo@6
|
438
|
|
meillo@6
|
439 Markus Schnalke interessiert sich fuer die Hintergruende
|
|
meillo@6
|
440 von Unix und seinen Werkzeugen. Fuer die Erarbeitung dieses
|
|
meillo@6
|
441 Textes wurde er regelrecht zum Historiker.
|
|
meillo@6
|
442
|
|
meillo@6
|
443
|
|
meillo@6
|
444 Lizenz
|
|
meillo@6
|
445 CC0 (und kann damit auch unter CC BY-SA 4.0 Unported
|
|
meillo@6
|
446 veroeffentlicht werden)
|
