博客
关于我
单元3:Linux中的输入输出管理
阅读量:751 次
发布时间:2019-03-22

本文共 634 字,大约阅读时间需要 2 分钟。

输入输出管理

字符设备是显示字符到屏幕上的设备文件。标准输入(stdin)编号为0,常见设备包括键盘、鼠标、打字机等。标准输出(stdout)编号为1,标准错误输出(stderr)编号为2。输出通常会被重定向到字符设备,正确输出位于/proc/进程ID/fd/1,错误输出位于/proc/进程ID/fd/0

如何管理输入

输入是程序从外界获取的信息。通过输入重定向,可以将数据传递给程序。例如,tr 'a-z' 'A-Z' < test命令会将test文件中的内容定向到tr程序中。文件可以包括多行内容,但结束条件是遇到EOF(空格哥_tot认为)。

如何管理系统输出

输出重定向是将程序的输出写入指定文件。例如,find /etc -name passwd > westos.out将正确输出写入westos.out文件。添加2>会将错误输出也重定向到同一文件。

追加操作

追加操作允许数据被添加到已存在的文件中,而不会覆盖内容。例如,find /etc -name passwd >> westos.out会将所有输出追加到文件中。如果使用2>>,便会追加错误输出。

管道

管道(|)将前一命令的正确输出作为下一命令的输入。例如,ls | wc > output.txt会将ls命令的结果传给wc,wc的结果再传给output.txt。管道处理的是正确输出,不能用于错误输出。

通过合理使用输入输出重定向和管道,可以有效管理程序的数据流,可创造更高效的工作流程。

转载地址:http://qtewk.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
查看>>
VS2003 Front Page Server Extension
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
查看>>
OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
查看>>
OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
查看>>
OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>