Linux重定向和管道符使用避坑指南

导读	本文就分享一下我在实践中使用重定向和管道符遇到的一些坑，搞明白一些底层原理，写脚本的效率能提升不少。

我很喜欢 Linux 系统，尤其是 Linux 的一些设计很漂亮，比如可以将一些复杂的问题分解成若干小问题，通过管道符和重定向机制灵活地用现成的工具解决，写成 shell 脚本就很高效。

本文就分享一下我在实践中使用重定向和管道符遇到的一些坑，搞明白一些底层原理，写脚本的效率能提升不少。

先说第一个问题，执行如下命令会发生什么?

$ cat file.txt > file.txt

读取再写入同一个文件，感觉什么也不会发生对吧?

实际上，上述命令运行的结果是清空file.txt文件中的内容。

PS：有的 Linux 发行版可能会直接报错，可以执行cat < file.txt > file.txt绕开这个检测。

前文 Linux 进程和文件描述符 说过，程序本身没有必要关心自己的标准输入/输出指向哪里，是 shell 通过管道符和重定向符号修改了程序的标准输入/输出的位置。

所以执行cat file.txt > file.txt这个命令时，shell 会先打开file.txt，由于重定向符号是>，所以文件中的内容会被清空，然后 shell 将cat命令的标准输出设置为file.txt，这时候cat命令才开始执行。

也就是如下过程：

1、shell 打开file.txt并清空其内容。
2、shell 将cat命令的标准输出指向file.txt文件。
3、shell 执行cat命令，读了一个空文件。
4、cat命令将空字符串写入标准输出(file.txt文件)。

所以，最后的结果就是file.txt变成了空文件。

我们知道，>会清空目标文件，>>会在目标文件尾部追加内容，那么如果将重定向符>改成>>会怎样呢?

$ echo hello world > file.txt # 文件中只有一行内容 
$ cat file.txt >> file.txt # 这个命令会死循环 

file.txt中首先被写入一行内容，执行cat file.txt >> file.txt后预期的结果应该是两行内容。

但是很遗憾，运行结果并不符合预期，而是会死循环不断向file.txt中写入 hello world，文件很快就会变得很大，只能用 Control+C 停止命令。

这就有意思了，为什么会死循环呢?其实稍加分析就可以想到原因：

首先要回忆cat命令的行为，如果只执行cat命令，就会从命令行读取键盘输入的内容，每次按下回车，cat命令就会回显输入，也就是说，cat命令是逐行读取数据然后输出数据的。

那么，cat file.txt >> file.txt命令的执行过程如下：

1、打开file.txt，准备在文件尾部追加内容。
2、将cat命令的标准输出指向file.txt文件。
3、cat命令读取file.txt中的一行内容并写入标准输出(追加到file.txt文件中)。
4、由于刚写入了一行数据，cat命令发现file.txt中还有可以读取的内容，就会重复步骤 3。

以上过程，就好比一边遍历列表，一遍往列表里追加元素一样，永远遍历不完，所以导致我们的命令死循环。

我们经常会遇到这样的需求：截取文件的前 XX 行，其余的都删除。

在 Linux 中，head命令可以完成截取文件前几行的功能：

$ cat file.txt # file.txt 中有五行内容 
1 
2 
3 
4 
5 
$ head -n 2 file.txt # head 命令读取前两行 
1 
2 
$ cat file.txt | head -n 2 # head 也可以读取标准输入 
1 
2 

如果我们想保留文件的前 2 行，其他的都删除，可能会用如下命令：

$ head -n 2 file.txt > file.txt 

但是这就犯了前文说的错误，最后file.txt会被清空，不能实现我们的需求。

那我们是这样写命令是否可以避坑呢：

$ cat file.txt | head -n 2 > file.txt 

结论是不行，文件内容依然会被清空。

What?是不是管道漏了，把数据全漏掉了?

前文 Linux 进程和文件描述符 也说过管道符的实现原理，本质上就是将两个命令的标准输入和输出连接起来，让前一个命令的标准输出作为下一个命令的标准输入。

但是，如果你认为这样写命令可以得到预期的结果，那可能是因为你认为管道符连接的命令是串行执行的，这是一个常见的错误，实际上管道符连接的多个命令是并行执行的。

你可能以为，shell 会先执行cat file.txt命令，正常读取file.txt中的所有内容，然后把这些内容通过管道传递给head -n 2 > file.txt命令。

虽然这时候file.txt中的内容会被清空，但是head并没有从文件中读取数据，而是从管道读取数据，所以应该可以向file.txt正确写入两行数据。

但实际上，上述理解是错误的，shell 会并行执行管道符连接的命令，比如说执行如下命令：

$ sleep 5 | sleep 5 

shell 会同时启动两个sleep进程，所以执行结果是睡眠 5 秒，而不是 10 秒。

这是有点违背直觉的，比如这种常见的命令：

$ cat filename | grep 'pattern' 

直觉好像是先执行cat命令一次性读取了filename中所有的内容，然后传递给grep命令进行搜索。

但实际上是cat和grep命令是同时执行的，之所以能得到预期的结果，是因为grep ‘pattern’会阻塞等待标准输入，而cat通过 Linux 管道向grep的标准输入写入数据。

执行下面这个命令能直观感受到cat和grep是在同时执行的，grep在实时处理我们用键盘输入的数据：

$ cat | grep 'pattern' 

说了这么多，再回顾一开始的问题：

$ cat file.txt | head -n 2 > file.txt 

cat命令和head会并行执行，谁先谁后不确定，执行结果也就不确定。

如果head命令先于cat执行，那么file.txt就会被先清空，cat也就读取不到任何内容;反之，如果cat先把文件的内容读取出来，那么可以得到预期的结果。

不过，通过我的实验(将这种并发情况重复 1w 次)发现，file.txt被清空这种错误情况出现的概率远大于预期结果出现的概率，这个暂时还不清楚是为什么，应该和 Linux 内核实现进程和管道的逻辑有关。

说了这么多管道符和重定向符的特点，如何才能避免这个文件被清空的坑呢?

最靠谱的办法就是不要同时对同一个文件进行读写，而是通过临时文件的方式做一个中转。

比如说只保留file.txt文件中的头两行，可以这样写代码：

# 先把数据写入临时文件，然后覆盖原始文件

$ cat file.txt | head -n 2 > temp.txt && mv temp.txt file.txt

这是最简单，最可靠，万无一失的方法。

你如果嫌这段命令太长，也可以通过apt/brew/yum等包管理工具安装moreutils包，就会多出一个sponge命令，像这样使用：

# 先把数据传给 sponge，然后由 sponge 写入原始文件 
$ cat file.txt | head -n 2 | sponge file.txt 

sponge这个单词的意思是海绵，挺形象的，它会先把输入的数据「吸收」起来，最后再写入file.txt，核心思路和我们使用临时文件时类似的，这个「海绵」就好比一个临时文件，就可以避免同时打开同一个文件进行读写的问题。

以上就是重定向和管道符的一些坑，希望能帮到你。