Linux管道、重定向及文本处理

本文介绍了Linux命令行的高级使用技巧,包括管道和重定向机制、grep搜索命令、cut文本处理命令、文本统计命令等,并详细解释了这些命令的关键参数及其应用场景。

在Linux中,几乎所有的命令的返回数据都是纯文本,而纯文本形式的数据又是绝大多数命令的输入格式,这就让多命令协作成为可能。Linux的命令行为我们提供了管道和重定向机制,多命令协作就是通过管道和重定向完成的。

命令行shell的数据流定义:

名称 说明 编号 默认

STDIN 标准输入 0 键盘

STDOUT 标准输出 1 终端

STDERR 标准错误 2 终端

管道和重定向

分类 关键字 定义

> 将1重定向到文件(覆盖形式)

>> 将1重定向到文件(追加形式)

2> 将2重定向到文件(覆盖形式)

重定向 2>&1 将2和1结合

< 重定向0

管道 | 将一个命令的1作为另外一个的0

基于关键字的搜索

grep 'peter' /etc/passwd

find / -user peter | grep Video

-i 在搜索的时候忽略大小写

-n 显示结果所在行

-v 输出不带关键字的行

-Ax 在输出的时候包含结果所在行之后的指定行数

-Bx 在输出的时候包含结果所在行之前的指定行数

基于列处理文本

cut -d: -f1 /etc/passwd

grep peter /etc//passwd | cut -d: -f3

-d指定分割字符(默认是TAB)

-f指定输出的列号

-c基于字符进行切割 cut -c2-6 /etc/passwd 显示结果的2-6个字符

文本统计

wc peter 

-l 只统计行数

-w 只统计单词

-c 只统计字节数

-m 只统计字符数

文本排序

sort peter

-r 进行倒序排序

-n 基于数字进行排序

-f 忽略大小写

-u 删除重复行  unip 删除相邻的重复行

-t c 使用C作为分割符分割为列进行排序

-k x 当进行基于指定字符分割为列的排序时,指定基于哪个列排序

文本比较

diff peter peter-new

-i 忽略大小写

-b 忽略空格数量的改变

-u 统一显示比较信息(一般用以生成.path文件补丁)diff -u  peter peter-new > final.path

处理文本内容

tr -d 'TMD' < peter 删除关键字

tr 'a-z' 'A-Z' < peter 转换大小写


一、数据采集层:多源人脸数据获取 该层负责从不同设备 / 渠道采集人脸原始数据,为后续模型训练与识别提供基础样本,核心功能包括: 1. 多设备适配采集 实时摄像头采集: 调用计算机内置摄像头(或外接 USB 摄像头),通过OpenCV的VideoCapture接口实时捕获视频流,支持手动触发 “拍照”(按指定快捷键如Space)或自动定时采集(如每 2 秒采集 1 张),采集时自动框选人脸区域(通过Haar级联分类器初步定位),确保样本聚焦人脸。 支持采集参数配置:可设置采集分辨率(如 640×480、1280×720)、图像格式(JPG/PNG)、单用户采集数量(如默认采集 20 张,确保样本多样性),采集过程中实时显示 “已采集数量 / 目标数量”,避免样本不足。 本地图像 / 视频导入: 支持批量导入本地人脸图像文件(支持 JPG、PNG、BMP 格式),自动过滤非图像文件;导入视频文件(MP4、AVI 格式)时,可按 “固定帧间隔”(如每 10 帧提取 1 张图像)或 “手动选择帧” 提取人脸样本,适用于无实时摄像头场景。 数据集对接: 支持接入公开人脸数据集(如 LFW、ORL),通过预设脚本自动读取数据集目录结构(按 “用户 ID - 样本图像” 分类),快速构建训练样本库,无需手动采集,降低系统开发与测试成本。 2. 采集过程辅助功能 人脸有效性校验:采集时通过OpenCV的Haar级联分类器(或MTCNN轻量级模型)实时检测图像中是否包含人脸,若未检测到人脸(如遮挡、侧脸角度过大),则弹窗提示 “未识别到人脸,请调整姿态”,避免无效样本存入。 样本标签管理:采集时需为每个样本绑定 “用户标签”(如姓名、ID 号),支持手动输入标签或从 Excel 名单批量导入标签(按 “标签 - 采集数量” 对应),采集完成后自动按 “标签 - 序号” 命名文件(如 “张三
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