Redirección y Procesamiento de Texto II — cut · sort · uniq · wc

📁

Archivos de Ejemplo

Dos archivos de ejemplo que usaremos en todos los ejercicios. Usuario atu, Ubuntu 24.04, ruta base /home/atu/.

datos_ventas.csv

Nombre	Producto	Cantidad	Precio	Ciudad
Ana	Laptop	2	1200	Madrid
Pedro	Mouse	5	25	Barcelona
Maria	Teclado	1	70	Madrid
Jose	Laptop	1	1200	Sevilla
Ana	Monitor	3	300	Barcelona
Maria	Mouse	2	25	Sevilla
Pedro	Laptop	3	1200	Madrid

lista_productos.txt

Laptop
Mouse
Teclado
Monitor
Laptop ← duplicado
Mouse ← duplicado
Teclado ← duplicado
Laptop ← duplicado

bash — crear archivos de ejemplo

# Crear datos_ventas.csv
cat << EOF > /home/atu/datos_ventas.csv
Nombre,Producto,Cantidad,Precio,Ciudad
Ana,Laptop,2,1200,Madrid
Pedro,Mouse,5,25,Barcelona
Maria,Teclado,1,70,Madrid
Jose,Laptop,1,1200,Sevilla
Ana,Monitor,3,300,Barcelona
Maria,Mouse,2,25,Sevilla
Pedro,Laptop,3,1200,Madrid
EOF

# Crear lista_productos.txt
cat << EOF > /home/atu/lista_productos.txt
Laptop
Mouse
Teclado
Monitor
Laptop
Mouse
Teclado
Laptop
EOF

🗺️

Resumen de los 5 Comandos

Comandos 6–10 de la serie — orientados al procesamiento y análisis de datos de texto.

✂️

cut

Extraer columnas o caracteres de cada línea.

🔤

sort

Ordenar líneas alfa o numéricamente.

🔍

uniq

Filtrar líneas duplicadas consecutivas.

🔢

Contar líneas, palabras y bytes.

🔱

tee

Mostrar y guardar la salida simultáneamente.

✂️

6. cut — Extraer Columnas

Extrae secciones o columnas de cada línea de un archivo. Fundamental para trabajar con archivos CSV y datos delimitados.

Sintaxis: cut [opciones] [archivo]

Opción	Descripción
-d 'DELIM'	Especifica el carácter delimitador de campos (ej: `,` para CSV, `:` para /etc/passwd).
-f LISTA	Especifica los campos (columnas) a extraer: un número (`2`), rango (`1-3`), lista (`1,5`), o desde campo N en adelante (`3-`).
-c POS	Extrae caracteres específicos por posición en cada línea (ej: `1-10` = primeros 10 chars).

Ejemplos prácticos

6.1 Extraer nombres y ciudades (col 1 y 5)
Extrae el campo 1 (Nombre) y el campo 5 (Ciudad), delimitados por coma.

cut -d ',' -f 1,5 datos_ventas.csv

6.2 Extraer solo los precios (col 4)
Muestra únicamente los valores de la columna Precio.

cut -d ',' -f 4 datos_ventas.csv

6.3 Extraer desde el campo 3 en adelante
Muestra Cantidad, Precio y Ciudad (campos 3, 4 y 5).

cut -d ',' -f 3- datos_ventas.csv

6.4 Extraer la primera columna de usuarios.csv
Solo los nombres, usando coma como delimitador.

cut -d ',' -f 1 usuarios.csv

6.5 Extraer los primeros 10 caracteres de cada línea
Usa -c para posición de caracteres, no campos.

cut -c 1-10 notas.txt

⚠️ Limitación con ls -l: cut -d ' ' -f 1,3,9 sobre la salida de ls -l no funciona correctamente porque ls usa múltiples espacios como separador. Ver la sección cut vs awk para la solución correcta.

🔤

7. sort — Ordenar Texto y Datos

Ordena las líneas de un archivo de texto. Por defecto ordena alfabéticamente (lexicográfico). Con -n ordena numéricamente.

Sintaxis: sort [opciones] [archivo]

Opción	Descripción
-r	Ordena en orden inverso (descendente / Z-A).
-n	Ordena por valor numérico en lugar de lexicográfico (evita que 10 vaya antes que 2).
-k N	Ordena por el campo número N. Se combina con `-t` para archivos delimitados.
-t 'DELIM'	Especifica el delimitador de campos (como en cut).
-u	Elimina duplicados automáticamente al ordenar (equivale a `sort \| uniq`).

Ejemplos prácticos

7.1 Ordenar alfabéticamente (A-Z)
Ordena las líneas de lista_productos.txt de la A a la Z.

sort lista_productos.txt

7.2 Ordenar en orden inverso (Z-A)
Ordena por el campo 1 (Nombre) en orden alfabético inverso.

sort -t ',' -k 1 -r datos_ventas.csv

7.3 Ordenar por Precio (numérico, ascendente)
Ordena numéricamente por el campo 4 — sin -n, el 25 iría después del 1200 (orden texto).

sort -t ',' -k 4 -n datos_ventas.csv

7.4 Ordenar por edad en CSV
Ordena usuarios.csv por la tercera columna (edad) de forma numérica.

sort -t ',' -k3 -n usuarios.csv

7.5 Eliminar duplicados al ordenar
Ordena y elimina duplicados en un solo paso.

sort -u nombres.txt

💡 -n es crucial con números: Sin -n, el orden es lexicográfico: 10 va antes que 2 (porque "1" < "2"). Con -n se ordenan como números reales.

🔍

8. uniq — Filtrar Duplicados

Filtra o reporta líneas repetidas. Importante: solo detecta líneas idénticas adyacentes. Por eso casi siempre se usa precedido de sort.

Sintaxis: uniq [opciones] [archivo]

Opción	Descripción
-c	Cuenta el número de ocurrencias de cada línea única (prefija el recuento).
-d	Muestra solo las líneas que están duplicadas (aparecen más de una vez).
-u	Muestra solo las líneas que son únicas (no se repiten en absoluto).

El patrón sort | uniq

sort

Agrupa las líneas iguales — los duplicados quedan adyacentes.

›

uniq

Ahora puede detectar duplicados correctamente y filtrarlos.

›

resultado

Líneas únicas, con conteo, o solo duplicadas según la opción.

Ejemplos prácticos

8.1 Mostrar productos únicos
sort agrupa → uniq elimina duplicados. Resultado: Laptop, Monitor, Mouse, Teclado.

sort lista_productos.txt | uniq

8.2 Contar ocurrencias de cada producto
Muestra cuántas veces aparece cada producto único en la lista.

sort lista_productos.txt | uniq -c

8.3 Listar solo los productos duplicados
Muestra solo los que aparecen más de una vez: Laptop, Mouse, Teclado.

sort lista_productos.txt | uniq -d

8.4 Duplicados consecutivos (sin sort)
Sin sort, uniq solo detecta duplicados que ya están uno al lado del otro.

uniq -d frutas.txt

🚨 Error frecuente: Usar uniq sin sort previo cuando las líneas duplicadas no son contiguas. Siempre que quieras eliminar todos los duplicados, usa sort archivo | uniq o directamente sort -u archivo.

🔢

9. wc — Word Count

Cuenta el número de líneas, palabras y caracteres/bytes de un archivo. Útil para obtener métricas rápidas y en tuberías para contar resultados.

Sintaxis: wc [opciones] [archivo]

Opción	Descripción
-l	Muestra solo el número de líneas.
-w	Muestra solo el número de palabras.
-c	Muestra solo el número de bytes.
-m	Muestra solo el número de caracteres (distinto de bytes en UTF-8).

Ejemplos prácticos

9.1 Contar líneas, palabras y bytes
Muestra las tres estadísticas: 8 8 82 lista_productos.txt

wc datos_ventas.csv

9.2 Contar solo el número de líneas
Muestra que el archivo tiene 8 líneas.

wc -l lista_productos.txt

9.3 Contar palabras en varios archivos
Muestra el conteo individual de cada .txt y el total al final.

wc -w *.txt

9.4 Contar archivos en el directorio actual
ls lista un archivo por línea → wc -l cuenta cuántas líneas hay.

ls | wc -l

9.5 Contar productos extraídos con cut
Extrae la columna de productos y cuenta cuántos hay (incluyendo la cabecera).

cut -d ',' -f 2 datos_ventas.csv | wc -w

bash — salida típica de wc

# wc sin opciones muestra: líneas palabras bytes
$ wc notas.txt
61  164  1344 notas.txt
#  ↑     ↑     ↑
# líneas palabras bytes

🔱

10. tee — Bifurcar el Flujo

Lee la entrada estándar y la escribe simultáneamente en pantalla y en uno o más archivos. Su nombre viene de la forma de la letra T — divide el flujo de datos.

Sintaxis: comando | tee [opciones] archivo

stdin / pipe

→

tee

bifurca el flujo

🖥️stdout (pantalla) — siempre

📄archivo.txt — guarda una copia

📄archivo2.txt — puede ser múltiples

Opción	Descripción
-a	Añade (append) la salida al final del archivo en lugar de sobrescribirlo.

Ejemplos prácticos

10.1 Guardar y mostrar simultáneamente
Muestra informe.log en pantalla Y lo guarda en salida_cat.txt.

cat informe.log | tee salida_cat.txt

10.2 Añadir al archivo sin sobrescribir
Muestra el mensaje en pantalla Y lo añade al final de informe.log.

echo "Tarea finalizada." | tee -a informe.log

10.3 Guardar resultado de un comando
Muestra las primeras 5 líneas en pantalla Y las guarda en un archivo.

head -n 5 informe.log | tee primeras.txt

10.4 Guardar lista de archivos
Muestra el listado en pantalla Y lo guarda en notas.txt.

ls -l | tee notas.txt

10.5 Guardar log de ejecución de script
La salida del script se muestra en pantalla Y se guarda en el log.

./script.sh | tee /home/atu/logs/ejecucion.log

⚔️

cut vs awk — Cuándo Usar Cada Uno

cut falla con separadores múltiples. awk trata cualquier secuencia de espacios como un único separador — es la solución correcta para la salida de ls -l.

⚡ La solución correcta para ls -l

bash

# ❌ Mal — cut falla con múltiples espacios de ls -l
ls -l | cut -d ' ' -f 1,3,9

# ✅ Bien — awk trata cualquier secuencia de espacios como un separador
ls -l | awk '{print $1, $3, $9}'

Argumento	Propósito	Columna de ls -l
$1	Tipo de archivo y permisos (`-rw-rw-r--`)	Col 1
$3	Propietario del archivo (`atu`)	Col 3
$9	Nombre del archivo (`usuarios.csv`)	Col 9

📌 Regla práctica: Usa cut para archivos con delimitadores consistentes (CSV con coma, /etc/passwd con dos puntos). Usa awk cuando el separador son espacios variables o necesitas lógica condicional.

🔗

Combinaciones Poderosas con Pipes

La verdadera potencia aparece al encadenar estos comandos con el operador |.

bash — pipeline sort + uniq + tee + wc

# Ordenar → guardar ordenado → contar líneas
cat usuarios.csv | sort | tee ordenado.csv | wc -l

# Extraer columna → ordenar → contar ocurrencias → guardar
cut -d ',' -f 1 alumnos.csv | sort | uniq -c | tee resumen.txt

# Extraer precios → ordenar numéricamente → mostrar los 3 más baratos
cut -d ',' -f 4 datos_ventas.csv | sort -n | head -n 3

# Contar cuántos archivos .csv hay en el directorio
ls *.csv | wc -l

# Ver productos únicos y cuántas veces aparecen, guardando el resultado
cut -d ',' -f 2 datos_ventas.csv | sort | uniq -c | sort -rn | tee ranking.txt

Ranking de productos más vendidos
cut extrae productos → sort agrupa → uniq -c cuenta → sort -rn ordena por más frecuente → tee guarda.

cut -d ',' -f 2 datos_ventas.csv | sort | uniq -c | sort -rn

Ordenar archivo y guardar + contar
Ordena usuarios.csv, guarda en ordenado.csv y muestra cuántas líneas tiene.

cat usuarios.csv | sort | tee ordenado.csv | wc -l

📊

Tabla Resumen Comparativa

Los 5 comandos de procesamiento de texto de un vistazo.

Comando	Propósito	Ejemplo típico	Nota clave
cut	Extraer columnas o caracteres	`cut -d ',' -f 1 archivo.csv`	Usa `awk` si el separador son espacios múltiples
sort	Ordenar líneas	`sort -n -k4 -t',' archivo.csv`	Siempre usar `-n` con números para evitar orden lexicográfico
uniq	Eliminar/reportar duplicados	`sort archivo.txt \| uniq -c`	Solo detecta duplicados adyacentes — usar después de `sort`
wc	Contar líneas/palabras/bytes	`ls \| wc -l`	Muy útil al final de una tubería para contar resultados
tee	Mostrar y guardar simultáneamente	`comando \| tee archivo.txt`	Usar `-a` para añadir sin sobrescribir

🧪

Ejercicio Práctico Propuesto

Ejercicio completo que combina los 5 comandos de esta guía con el archivo alumnos.csv.

bash — crear alumnos.csv

# Crear el archivo de práctica
cat > alumnos.csv
Ana,8
Luis,7
Marta,9
Luis,7
Ana,8
# Pulsa Ctrl+D para guardar

🧪 Ejercicios a completar

Extrae solo los nombres: cut -d ',' -f 1 alumnos.csv
Ordénalos alfabéticamente: cut -d ',' -f 1 alumnos.csv | sort
Cuenta cuántas veces aparece cada alumno:
cut -d ',' -f 1 alumnos.csv | sort | uniq -c
Guarda el resultado y muéstralo:
cut -d ',' -f 1 alumnos.csv | sort | uniq -c | tee resumen.txt
Verifica cuántas líneas tiene el resumen: wc -l resumen.txt
Bonus: Ordena por nota (campo 2) de mayor a menor:
sort -t ',' -k2 -nr alumnos.csv
Bonus: Muestra solo alumnos con nota duplicada:
cut -d ',' -f 2 alumnos.csv | sort | uniq -d

📌 Próximos pasos: Los comandos de esta guía se potencian enormemente con grep (búsqueda por patrón), awk (procesamiento por columnas) y sed (edición de flujo) — herramientas de las próximas guías de la serie.