bash代码片段snippets

bash代码片段


# Rename all *.txt to *.text
for file in *.txt; domv -- "$file" "${file%.txt}.text"
done
while read x z y; doof="xag.1/$x.png" if="xag/$y.png"cp $if $of	  
done < db.log 
tree -L 2 | sed 's/\xc2\xa0/ /g' > ~/Downloads/1.txt
du -sh -t 100M *

移除重复行

#整行比较
awk '!seen[$0]++' file
#第一个field比较
awk '!seen[$1]++' file

按指定field排序

#按第二个field排序
sort -k2,2 file

按起始10个字符去重复

uniq -w 10 file 

od输出二进制文件数据

od -x -v -A n --width=100 ./x.bin >od.txt

计算文本文件每行的md5

cat od.txt | perl -MDigest::MD5=md5_hex -nlE'say md5_hex($_)' >db_x.txt

文件分割

cat ../xtotal.pad | split -a 4 -d -l 52

一份文件复制两次

n=0;
for x in x*; do y=`printf "y%04d" $n` && ((n=n+1)) && cp $x $yy=`printf "y%04d" $n` && ((n=n+1)) && cp $x $y
done

生成所有文件md5sum

md5sum x*

ffmpeg批量提取多个视频中图像

 n=1; for x in round.0/*;do echo $x;  fmt=frame${n}.%04d.png; ffmpeg -i $x -vf "fps=2" $fmt; ((n=n+1)); done

printout.sh

#!/bin/bashhexpattern="0-9a-f"
pattern='$LZSKGHVRMTBCDEF'
input=$1cat $input | sed 's/\s//g' | tr $hexpattern $pattern  | awk  'BEGIN{print} {print " ", $0}'

padding.pl

#!/usr/bin/perl$pad='9999';
$nword_per_line=50;
$nline_per_page=52;$num_of_lines=0;
while(<>)
{@array=split;$nword=@array;while($nword < $nword_per_line){push(@array,$pad);$nword+=1;}$str=join(" ",@array);print $str,"\n";$num_of_lines+=1;
}while($num_of_lines%$nline_per_page)
{print $str, "\n";$num_of_lines+=1;
}

dispatch.sh

#!/bin/bash#set -xfor((n=0;n<200;n+=20)); do((s=n))((e=n+19))d=`printf '%03d-%03d\n' $s $e`[ -e $d ] && rm -rf $d && echo "delete $d"mkdir -p $dfor ((i=s;i<=e;i++));dox=`printf 'x%03d\n' $i`[ -e $x ] || exitmv $x $d/.done
done

find path prune

find . -path './backup/*' -prune -o -path './.git/*' -prune -o type f -o -iname '*.f90' | xargs wc -l | sort -n 

数字列表

for f in x00{01..11};do echo $f 
done for f in x00{1..9}{a..b};do echo $f
done 

单个字符匹配(glob-expansion)

#!/bin/bashecho "Matching Directories:"for dir in [p-xP-X]*; doif [ -d "$dir" ]; thenls -d "$dir"fi
done

watch

watch tail -n 15 mylogfile.txt

tee

#stdout&stderr重定向到tee 
xxxx |& tee run.loog 

cygpath

cygpath "D:\xxxx"
网络资源

Awesome Bash

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/878024.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

游戏开发设计模式之装饰模式

目录 装饰模式在游戏开发中的具体应用案例是什么&#xff1f; 如何在Unity中实现装饰模式以动态扩展游戏对象的功能&#xff1f; 装饰模式与其他设计模式&#xff08;如适配器模式、代理模式&#xff09;相比&#xff0c;有哪些优势和劣势&#xff1f; 优势 劣势 与适配器…

如何满足业主多元需求?开发物业APP,打造智能社区生活

随着智能科技的快速发展&#xff0c;物业管理也逐渐迈入数字化时代。物业app开发成为了提升社区管理效率、改善居民生活质量的重要途径&#xff0c;许多物业管理公司纷纷开发物业App&#xff0c;以提升管理效率、改善用户体验。一款出色的物业APP能够整合居民需求、提升企业服务…

three.js 实现 3D地图

three.js 实现仿照 echarts 3d 地图 。 由于 three.js 目前比较依赖写代码&#xff0c;而一个美的地图需要大量的three.js 组合&#xff0c;我建议 先做three.js 基础层的 低代码编辑器&#xff0c;随后各种项目和效果配置起来都会很方便。 https://z2586300277.github.io/th…

metagpt指南浅谈

MetaGPT多智能体框架概述 1.1 框架介绍 MetaGPT是一个创新的多智能体框架&#xff0c;旨在通过模拟和优化多智能体系统的行为来处理复杂的软件开发任务。该框架的核心优势在于其能够通过智能体之间的协作和交互&#xff0c;高效地解决单一智能体难以独立完成的复杂问题。Meta…

FastGPT如何增减用户

背景 开源版本的FastGPT默认只有一个超级用户root&#xff0c;为了更好地管理应用和知识库&#xff0c;可以通过操作MongoDB数据库来增加新的用户和团队。 所需环境 已安装并运行的FastGPT实例MongoDB客户端工具&#xff08;如Mongo Shell或Robo 3T等&#xff09; 操作步骤…

tomcat初步学习

tomcat部署 三太主机 安装 java 环境。两台tomcat-node都安装 安装并启动 tomcat 将之简便处理下放在别的目录并启动 测试 生成 tomcat 的主配置文件 生成启动文件 编辑文件 给与权限后启动 tomcat的反向代理和负载均衡 建立对应文件将之移到目录下 配置后测试 进入文件 写…

用于低质量蒙面人脸识别的一致子决策网络

Consistent Sub-Decision Network for Low-Quality Masked Face Recognition 摘要 提出了一种利用由多个dropout块组成的在线一致性评估结构来获得对应于人脸不同区域的子决策网络&#xff0c;以获得对应于不同面部区域的子决策&#xff0c;并通过加权双向KL散度来约束子决策&…

【C#】【EXCEL】Bumblebee/Classes/ExFont.cs

Bumblebee/Classes/ExFont.cs Flow diagram 根据您提供的代码和要求&#xff0c;我将创建一个流程图来展示ExFont类的结构。这个流程图将使用中英双语标注&#xff0c;并对应到代码中的英文。 #mermaid-svg-uaTfYlccE1dTu1A6 {font-family:"trebuchet ms",verdana,…

目标检测:Cascade R-CNN: Delving into High Quality Object Detection - 2017【方法解读】

目录 摘要:1.引言2. 相关工作3. 对象检测3.1. 边界框回归3.2. 分类3.3. 检测质量4. 级联 R - CNN4.1. 级联边界框回归4.2. 级联检测摘要: 在目标检测中,需要一个交并比(IoU)阈值来定义正样本和负样本。使用低IoU阈值(例如0.5)训练的目标检测器通常会产生有噪声的检测结…

【基础】模拟题 多项式处理类

自用 因式分解 P2378 因式分解II - 洛谷 | 计算机科学教育新生态 (luogu.com.cn) 题目描述 小玉上了初中&#xff0c;开始学因式分解。可是她怎么都解不出来。所以她求你帮忙。 她给你看了她的作业&#xff0c;就是因式分解。由于刚开始学&#xff0c;就降低了难度。 我们…

酒店PMS系统源码之会员系统读取身份证-CyberWinApp-SAAS 本地化及未来之窗行业应用跨平台架构

一、酒店 PMS&#xff08;&#xff09;会员系统 1. 客户关系管理&#xff1a;帮助酒店有效地管理会员信息&#xff0c;包括个人资料、消费记录、偏好等&#xff0c;从而更好地了解会员需求&#xff0c;提供个性化的服务和优惠。 2. 会员忠诚度提升&#xff1a;通过积分、折扣、…

学习C语言(18)

整理今天的学习内容 1.strcmp的使用和模拟实现 strcmp是用来比较字符串的大小的 比较方式&#xff1a;比较两个字符串中对应位置上字符ASCII码值的⼤小 第⼀个字符串大于第二个字符串&#xff0c;则返回⼤于0的数字 第⼀个字符串等于第二个字符串&#xff0c;则返回0 第⼀…

【python计算机视觉编程——3.图像到图像的映射】

python计算机视觉编程——3.图像到图像的映射 3.图像到图像的映射3.1 单应性变换3.1.1 直接线性变换算法&#xff08;DLT&#xff09;3.1.2 仿射变换 3.2 图像扭曲3.2.1 图像中的图像3.2.2 分段仿射扭曲3.2.3 图像配准 3.3 创建全景图3.3.1 RANSAC3.3.2 稳健的单应性矩阵估计3.…

AutoGPT开源项目解读

AutoGPT开源项目解读 (qq.com) AutoGPT旨在创建一个自动化的自我改进系统&#xff0c;能够自主执行和学习各种任务 项目基本信息 首先阅读项目的README.md&#xff0c;下述代理和智能体两个名词可互换 项目简介&#xff1a;一个创建和运行智能体的工具&#xff0c;这些智能体…

SRL_STAGES_TO_REG_OUTPUT

寄存器级可以使用以下命令从SLR输出中拔出或推入SRL输出 SRL_STAGES_TO_REG_OUTPUT属性。 这提供了对流水线寄存器结构的控制&#xff0c;以在流水线下和流水线上寻址 SRL基元的输出侧。 架构支持 所有架构。 适用对象 •单元格&#xff08;get_cell&#xff09;作为叶级SRL实例…

机器学习/数据分析--通俗语言带你入门决策树(结合分类和回归案例)

&#x1f368; 本文为&#x1f517;365天深度学习训练营 中的学习记录博客&#x1f356; 原作者&#xff1a;K同学啊 前言 机器学习是深度学习和数据分析的基础&#xff0c;接下来将更新常见的机器学习算法注意&#xff1a;在打数学建模比赛中&#xff0c;机器学习用的也很多&a…

从零开始:渗透测试环境安装详细教程

一、引言 在进行渗透测试之前&#xff0c;搭建一个合适的渗透测试环境是至关重要的。一个良好的渗透测试环境可以帮助我们更好地学习和实践渗透测试技术&#xff0c;同时也可以降低对实际生产环境造成的风险。本文将详细介绍如何安装渗透测试环境&#xff0c;包括选择虚拟机软…

百度网盘电脑版播放视频没有声音 - 解决方案

问题 百度网盘电脑版播放网盘中的视频没有声音&#xff0c;这可能是因为网盘的音量设置较小导致的。下文介绍解决方案。 解决方案 确保电脑系统音量开启&#xff0c;并调整到合适音量。使用本地视频播放器播放本地视频&#xff0c;检查扬声器是否工作。在百度网盘中播放网盘…

李沐--动手学深度学习 批量规范化

1.理论 2.从零开始实现批量规范化 import torch from torch import nn from d2l import torch as d2l from torch.utils.hooks import RemovableHandle #从零开始实现批量规范化 def batch_norm(X,gamma,beta,moving_mean,moving_var,eps,momentum):#通过is_grad_enabled来判断…

Java-使用HashMap压缩重复数据量以减少堆内存溢出的概率

使用 HashMap 压缩重复数据量以减少堆内存溢出的概率 为了减少堆内存溢出的概率,可以通过使用 HashMap 来压缩重复的数据量。这里我们可以通过以 下步骤实现: 创建一个 HashMap:用于存储数据及其出现次数。 遍历原始数据:将数据放入 HashMap 中,并统计每个数据出现的次…