1.13 文本处理

一些很多日常操作，其中有典型的两类：

• 从文件里提取你想要的信息
• 修改文件里的内容

当然你可以古法的，一个个 cat 复制，收集或者一个个 vim 修改...

如果你忍受了这种无聊重复的操作，可以试试两个命令：

• awk
• sed

1. awk

你可以先把 awk 理解成：

很适合从结构化文本里按列、按模式提取信息。

在计算科研里，一个很常见的场景就是从很多输出文件里批量提取你关心的内容。

例如做一组自旋极化计算后，你可能想从很多个目录里的 OSZICAR 最后一行提取：

• E0
• mag

awk 'END{print $5, $10}' */OSZICAR # 例如从每个 OSZICAR 最后一行提取 E0 和 mag 所在列

你可以先这样理解：

• END{print}：只在文件最后执行一次
• $5, $10：取这一行的第 5 列和第 10 列
• */OSZICAR：一次处理很多个目录下的 OSZICAR

很多时候你最关心的不是前面的每一步，而是最后一步的信息。

如果你不确定 E0 和 mag 在第几列，可以先粗暴一点：

awk 'END{print}' */OSZICAR # 先把每个 OSZICAR 最后一行都打出来

这类写法很适合：

• 从很多个结果目录里批量提取最后一步结果
• 快速对比不同结构、不同参数下的 E0 和 mag
• 不想一个个打开 OSZICAR

很多时候，最有用的不是“把整份文件读完”，而是先快速抓出：

• 最后一行
• 某几列数字

所以 awk 的核心价值，可以先理解成：

• 先筛出你关心的行
• 再取你关心的列

2. sed：更适合替换

你可以先把 sed 理解成：

很适合把文本里的某些内容批量替换掉。

在科研里，一个很常见的场景就是做 benchmark 时批量改 INCAR 参数。

例如你想测试一组不同的 ENCUT：

• ENCUT = 400
• ENCUT = 450
• ENCUT = 500
• ENCUT = 550

这时你通常会复制出很多个目录，然后在每个目录里把 INCAR 里的 ENCUT 改掉。

最核心的替换命令其实就是：

sed 's/ENCUT = 400/ENCUT = 450/g' INCAR # 把 ENCUT 从 400 换成 450，并输出到屏幕

这里最常见的结构是：

sed 's/旧内容/新内容/g' 文件名

可以先这样理解：

• s = substitute，替换
• 第一个 /.../：旧内容
• 第二个 /.../：新内容
• g = global，这一行里能替换的都替换

但这里要注意：

sed 's/ENCUT = 400/ENCUT = 450/g' INCAR

默认只是把结果打印到终端，不会直接改文件本身。

如果你想直接修改文件，可以用：

sed -i '' 's/ENCUT = 400/ENCUT = 450/g' INCAR # macOS 直接改文件
sed -i 's/ENCUT = 400/ENCUT = 450/g' INCAR    # Linux 直接改文件

这一点要格外小心，因为一旦用 -i，就是直接改文件了。