当前位置:首页 > 文章列表 > 文章 > linux > Linux pr 怎样把两个文本文件并排输出

Linux pr 怎样把两个文本文件并排输出

来源:17golang原创 2026-11-20 13:42:52 0浏览 收藏

在使用 GNU Coreutils 的 Linux 环境中,pr -m -t -- left.txt right.txt 可以把两个文本文件并排输出:-m 让每个文件各占一列,-t 去掉页眉和页脚。若需要保留长行的完整内容,再加 -J;它会取消固定列对齐,因此要在整齐版面和完整长行之间作出选择。

官方项目地址:https://www.gnu.org/software/coreutils/

最小配方:两个文件各占一列

# 将两个已有文本文件并排排版,省略页眉和页脚
pr -m -t -- left.txt right.txt

命令假定当前目录有 left.txt、right.txt,结果写到标准输出。文件参数顺序就是左右列顺序。这里的“并排”是文本版面关系,不意味着启动两个任务并行处理。pr 不会替读者把相同关键字的记录自动匹配,也不会寻找两份文档的增删差异。

如果两个文件分别是按相同顺序整理的术语和释义,这种排版容易阅读。如果其中一份漏了一行,后续对应关系就可能错位;应先确认输入本身的行序关系,再使用排版结果。

图1:多文件列结构说明图。左文件和右文件各对应一个文本列,pr 的输出是排版文本。
图1:多文件列结构说明图。左文件和右文件各对应一个文本列,pr 的输出是排版文本。

图中的“左文件”“右文件”属于输入文件分组,“左列”“右列”“pr -m”“标准输出”属于排版结构分组。连线只表示数据对应关系,不表示命令执行时间线。

用宽度和分隔符控制版面

# 版面总宽度为一百个字符位置,列间加可见分隔符
pr -m -t -W 100 --sep-string=' | ' -- left.txt right.txt

-W 设置整体版面宽度,不是每列都能使用一百个位置。两列内容与列间分隔符共同占用版面,因此较长的行仍可能被截断。--sep-string 指定列间文本;给包含空格的参数加引号,可以让 shell 将它作为一个参数传入。

这里使用大写 -W 和长选项 --sep-string,把宽度和分隔符分别写清。GNU pr 还提供小写 -w、-s,但它们之间存在历史兼容交互。维护简单脚本时,统一使用清楚的一套选项更容易解释。

长行完整保留时使用 -J

# 保留完整行;代价是列不再按固定宽度对齐
pr -m -t -J --sep-string=' | ' -- left.txt right.txt

-J 要求连接完整行,关闭宽度截断和固定列对齐。两列之间仍可使用指定分隔符,但右侧文本起点会随着左侧行长度变化。它适合优先保留内容的临时报告;如果输出超过终端可见宽度,查看器可能另行折行,不能因此判断 pr 删除了文本。

图2:排版选项职责说明图。固定版宽和完整行是两种配置意图,页眉及分隔符有各自职责。
图2:排版选项职责说明图。固定版宽和完整行是两种配置意图,页眉及分隔符有各自职责。

“版宽 -W”“固定列”“长行 -J”“完整行”“页眉 -t”“分隔符”是图中六个正文节点。版宽与固定列相关,-J 与完整行相关,分隔符可用于两种布局,-t 负责页眉页脚显示。

让排版适合后续读取

# 在新临时目录创建独立样例,保留目录供读取,不覆盖已有文件
example_dir=$(mktemp -d) || exit 1
printf '%s\n' 'alpha' 'beta' > "$example_dir/left.txt"
printf '%s\n' 'one' 'two' 'three' > "$example_dir/right.txt"

# 使用完整行模式,使输出内容容易和输入逐行对应
pr -m -t -J --sep-string=' | ' -- \
  "$example_dir/left.txt" "$example_dir/right.txt"

这是原创复现片段,未在本文环境运行。读者运行后,前两行预期对应 alpha 与 one、beta 与 two;右文件还有 three,左侧没有对应内容。输入数量不相等并不意味着较长文件剩余行应被丢弃。

上述普通样例不含换页符。-t 省略页眉页脚,但保留输入中的换页符;如果明确要去掉这些分页行为,可以把 -t 换成 -T。输出需保存时,应重定向到不同的新文件,不能把输入文件本身作为重定向目标,否则 shell 会先截断它。

阅读目标配置重点
短行整齐并排-m -t,加适合的 -W
长行内容完整-m -t -J,指定分隔符
去除输入分页影响按需求使用 -T

示例针对 GNU pr。不同工具实现不一定支持相同的长选项,脚本运行环境应明确。排版文本也不自动成为可靠的 CSV:内容如果带有分隔符,仍需要另外定义转义和字段规则。

GNU 实现与选项说明:https://github.com/coreutils/coreutils/blob/master/src/pr.c

GNU 手册:https://www.gnu.org/software/coreutils/manual/html_node/pr-invocation.html

常见问题

-m 和 -2 一样吗?

不是同一项任务。-m 为多个文件分别安排列,-2 用于把输入排成两列;并排查看两个文件应使用 -m。

设置了分隔符为什么仍然缺少长行尾部?

分隔符只定义列之间的文本。需要保留完整长行时明确使用 -J,并接受不再固定对齐的版面。

pr 能比较文件差异吗?

它负责排版。两份文件是否有增删改,应使用适合差异比较的工具,不能从并排位置自动推断。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
iPhone预览怎么合并PDF并调整页序iPhone预览怎么合并PDF并调整页序
上一篇
iPhone预览怎么合并PDF并调整页序
Linux io_uring multishot 怎样理解一次提交多次完成
下一篇
Linux io_uring multishot 怎样理解一次提交多次完成
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    1145次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    1129次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    1306次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    1245次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    1097次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码