Linux 基础教程 25-命令和文件查找

which

    不管是在Windows还是Linux系统中,我们都会偶尔执行一些系统命令,比如Windows常见的cmd、ping、ipconfig等,它们的位置都在%systemdrive%中。在Linux里面我们知道在终端机模式中,连续输入两次TAB就能知道当前有多少命令可以使用。我们以cat命令为例,在连接输入TAB后,会出现三个可用命令,如下图所示:
25-1 连续两次TAB示例.jpg

    虽然我们可以直接使用这些命令,但你有没有想过这些命令的完整位置在什么地方?我们可以which命令来实现查找。

    which命令的作用是,在PATH变量指定的路径中,搜索某个系统命令的位置,并且返回第一个搜索结果。简单来说就是用来查看某个系统命令是否存在和执行的到底是哪个位置的命令。

基础语法
which [参数] [命令]

常用参数如下所示:

参数含义
-a将所有由PATH目录中可以找到的命令全部列出,而不只是显示第一个搜索到的命令
-V显示版本信息

which是根据用户所设置的PATH变量内的目录去查找可执行文件的,所以在不同的PATH变量查找的变量也不完全一样。

示例
  • 查找cat命令并显示其位置
    25-2 which命令示例-1_c2i.jpg

    在Linux中也有相当优异的查找命令。比如之前讲到的find,但这个命令查找文件比较慢。通常都是先使用whereislocate来查找,如果还未能查到,则用 ** find 来查找。因为whereis和locate是利用数据库**来查找数据,而并没有实际查询硬盘,故节约时间。

在Linxu系统中,系统会将系统内的所有文件都记录在一个数据库文件里面,而在使用whereis和locate都会以此数据库中的文件为准。而find是搜索硬盘,所以速度也相对慢一些。在使用whereis和locate有时也会出现查找已经删除的文件!

whereis

    whereis主要是用来查找特定的文件,如二进制文件、源文件等。

基础语法
whereis [参数] [文件或目录名]

常用参数如下所示:

参数含义
-b只查找二进制文件
-m只查找说明文件manual路径下的文件
-s只查找源文件
-u只查找不常用的文件。如which -m -u 表示仅查找当前路径下没有文档的文件

在使用whereis时,未添加任何参数,则默认返回所有信息。

示例
  • 1、未加参数时,返回所有信息:
    25-3 whereis未带参数.jpg

  • 2、只搜索二进制文件
    25-4 whereis参数b.jpg

  • 3、只搜索与passwd相关的说明文件

25-5 whereis参数m.jpg

locate

    locate其实是find -name的另一种写法,但要比后者要快很多,原因在于它不搜索具体的目录,而是搜索数据库(/var/lib/mlocate/mlocate.db ),而这个数据库包含有本地所有文件信息。系统会自动创建该数据库并每天自动更新一次。我们在用whereis和locate查找文件时,有时会找到已经被删除的数据,或者刚刚建立文件,却无法查找到,原因就是因为数据库文件没有被更新。为了避免这种情况,可以在使用locate之前,先使用updatedb命令,手动更新数据库。整个locate工作其实是由四部分组成,如下所示:

  • /usr/bin/updatedb 主要用来更新数据库,通过crontab自动完成的
  • /usr/bin/locate 查询文件位置
  • /etc/updatedb.conf updatedb的配置文件
  • /var/lib/mlocate/mlocate.db 存放文件信息的文件
基础语法
locate [参数] [关键字]

常用参数如下所示:

参数含义
-A/--all查找所有能匹配到文件
-c/--count返回匹配到数量
-e/--existing只查找已经存在的文件
-d/--database DBPATH从指定数据库文件中查找文件
-i/--ignore-case忽略大小写
-r/--regexp REGEXP以正则表达式进行查找
-n查找结果最大显示的数目
示例
  • 1、查找能匹配到的所有文件
    25-6 locate参数-all_c2i.jpg

  • 2、返回能匹配的文件数量
    25-7 locate参数-c.jpg

  • 3、使用正则表达进行查找
    25-8 locate参数-e.jpg

type

    type命令其实不能算做为查找命令,它的功能主要是用来某个命令是Shell自带的还是由Shell外部的独立二进制文件提供的。而一个命令的类型通常可以分为以下几种:

  • alias 别名
  • keyword 关键字,Shell保留字
  • function 函数,Shell函数
  • builtin 内建命令,Shell内建命令
  • file 文件,磁盘文件
  • unfound 未知命令

    当我们知道了命令是哪种类型,我们就可以针对性的获取帮助,如内建命令可以help命令来获取帮助,外部命令用man或info来获取帮助。

基础语法
type [参数] [命令]

常用参数如下所示:

参数含义
-a显示所有可能的类型
-t显示命令的类型,如alias/keyword/function等
-p只返回外部命令的信息,相当于which
-P只返回内建命令的信息
示例
  • 1、显示所有可能的类型
    25-9 type参数-a_c2i.jpg

  • 2、显示命令的类型
    25-10type参数-t_c2i_c2i.jpg

  • 3、返回内建和外部命令的信息
    25-11type参数pP_c2i.jpg

对比总结

    在学习了这么多的文件和命令查找后,顺便来做个简要总结,如下所示:

命令作用描述
find最常见和最强大的查找命令,可以查找任何文件,缺点速度比较慢
which在PATH变量搜索系统命令
whereis查找特定的文件
locate功能相当于find -name,直接从数据库查询,速度较快
type用来显示命令是内建还外部命令和相应的命令路径

本文同步在微信订阅号上发布,如各位小伙伴们喜欢我的文章,也可以关注我的微信订阅号:woaitest,或扫描下面的二维码添加关注:
MyQRCode.jpg

转载于:https://www.cnblogs.com/surpassme/p/9333291.html

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参考个体历史最优解群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值