Linux shell逐行处理文本求和，我人傻了...

 假设要要计算文本test.data的第二列的数字之和： 

1 12   
2 23   
3 34   
4 56  

当然你可能会这样处理： 

awk '{s+=$2} END {print s}' test.data  

很快就得到了结果。不过，本文要说的点与awk无关。我们通过另外一种方式来计算，即逐行分析处理的方式。

尝试一

我们尝试第一种方式，shell实现如下： 

#!/usr/bin/env bash  
sum=0  
cat test.data | while read line  
do  
    temp_num=$(echo "$line" | cut -d ' ' -f 2)  
    sum=$(( $sum + $temp_num ))  
done  
echo "we get sum:$sum" 

输出结果：

we get sum:0 

这是为什么！为什么得到的结果会是0呢？

这事坏就坏在脚本中的|，众所周知，这是一个管道命令，而这也就意味着，while循环的执行结果都是在一个subshell中，一旦这个subsell退出了，它里面的结果也就没有了。

其实这个问题利用有了这个神器，再也不怕shell写得不对了中提到的工具很容易发现： 

$ shellcheck myscript  
Line 3: 
cat test.data | while read line  
    ^-- SC2002: Useless cat. Consider 'cmd < file | ..' or 'cmd file | ..' instead.  
                      ^-- SC2162: read without -r will mangle backslashes.  
Line 6:  
    sum=$(( $sum + $temp_num ))  
    ^-- SC2030: Modification of sum is local (to subshell caused by pipeline).  
            ^-- SC2004: $/${} is unnecessary on arithmetic variables.  
                   ^-- SC2004: $/${} is unnecessary on arithmetic variables.  
Line 8:  
echo "we get sum:$sum"  
                 ^-- SC2031: sum was modified in a subshell. That change might be lost.  
$ 

尝试二

既然管道命令不建议用，那么我们使用下面的方式看看： 

#!/usr/bin/env bash  
sum=0  
for line in $(cat test.data) 
do  
    echo "get line :$line"  
    temp_num=$(echo "$line" | cut -d ' ' -f 2) 
    sum=$(( $sum + $temp_num ))  
done  
echo "we get sum:$sum" 

输出结果： 

get line :1  
get line :12  
get line :2  
get line :23  
get line :3  
get line :34  
get line :4  
get line :56  
we get sum:135 

从结果中看出，如果文本中存在空格或者tab等，则看似每次读取一行，实际上是遇到空格,tab或换行就停止读取了，并没有达到我们的目的。

我们预期的应该是遇到换行才停止读取，为了达到这个目的，我们可以设置这个标记，即通过设置IFS来达到目的。在上面的shell开头加上： 

IFS=$'\n' 

但是修改为这样之后，在自己的系统上并没有得到我想要的效果，有知道的读者可以告知一下。

尝试三

让我们再换一种方式： 

#!/usr/bin/env bash  
sum=0  
while read line  
do  
    echo "line $line"  
    temp_num=$(echo "$line" | cut -d ' ' -f 2)  
    sum=$(( $sum + $temp_num ))  
done < "test.data"  
echo "we get sum:$sum" 

这种方式我们是能得到正确结果的。

当然，如果你要读取指定列，你还可以像下面这样做： 

#!/usr/bin/env bash  
sum=0  
while read col1 col2  
do  
    sum=$(( $sum + $col2 ))  
done < "test.data"  
echo "we get sum:$sum" 

其中col1，col2就分别代表了第一列，第二列，使用的时候，可以直接使用对应列的内容。

但是，如果我们要读取的内容包括了转义字符会怎么办？例如： 

\n 12  
\n 23  
\n 34  
\n 56 

执行结果： 

line   
 12  
line   
 23  
line   
 34  
line   
 56  
we get sum:125 

从结果可以看到，虽然内容能否读取到，但是内容被打印出来的时候，已经变了，\被当成转义字符处理了，如果不想让它转义处理怎么办？只需要加上-r参数即可： 

while read -r line 

总结

在逐行处理文本过程中，主要关注以下几种情况：

•  行中有空格，tab
•  行中有转义字符

另外，通过shellcheck工具也会发现，它并不推荐for in file这种方式逐行处理文本： 

Line 3:  
for line in $(cat test.data)  
            ^-- SC2013: To read lines rather than words, pipe/redirect to a 'while read' loop.