3.2フィルタを使ったテキストストリームの処理

UNIX 哲学は「小さな道具を組み合わせる」です。1つ1つは単機能のフィルタをパイプでつなぎ、ログ集計や CSV 加工を数十文字で済ませるのが Linux 流のテキスト処理です。この節は道具箱の中身を揃える回で、つなぎ方（パイプ）は次節で扱います。

3.2.1閲覧・抽出・集計の定番

• 閲覧＝cat（全部を連結表示）・less（ページャで前後移動）・head／tail（先頭/末尾 n 行。tail -f はログの追記を追いかける）。
• 抽出＝cut（-d, -f2＝区切り文字とフィールド指定）／変換＝tr（文字の置換・削除。tr a-z A-Z）／行番号＝nl。
• 集計＝sort（並べ替え。-n 数値・-r 逆順）→ uniq（連続する重複を除去・-c で件数）→ wc（-l 行数）。uniq は sort 済みが前提が鉄則。

3.2.2結合・分割・そのほかの道具

• paste＝複数ファイルを行単位で横に連結／join＝共通フィールドで2ファイルを突き合わせ結合／split＝大きなファイルを一定行数/サイズ序で分割。
• sed＝ストリームエディタ（sed 's/old/new/g' の置換が代表。詳細は 3.4）／od＝バイナリを8進/16進で表示（octal dump）。
• 空白・レイアウト＝expand／unexpand（タブ⇔スペース変換）・fmt（行の長さを整える）・pr（印刷向けにページ整形）。

実戦のログ集計を一本組んでみると道具の役割が腑に落ちます。「アクセスログから IP 別のアクセス数上位を出す」は cut -d' ' -f1 access.log | sort | uniq -c | sort -nr | head -5 ＝ cut で1列目（IP）を抜き → sort で同じ IP を隣接させ → uniq -c で件数付き重複除去 → sort -nr で件数の降順 → head で上位5件という流れです。それぞれのフィルタはファイルを書き換えず、流れてきたテキストを加工して次へ渡すだけ、という感覚が掴めれば合格圏です。join は「社員ID⇔名前」のようなマスタ突き合わせに使うリレーショナルな結合で、単純に横へ貼る paste と混同しないこと。split は split -l 1000 big.log part_ のように分割後の接頭辞を指定します。バイナリの中身をどうしても覗きたいときの od、印刷レイアウトの pr まで含め、「どの場面でどれか」を対応表で覚えるのが効率的です。

3.2.3この節のまとめ

• 閲覧＝cat/less/head/tail(-f)・抽出＝cut・変換＝tr・集計＝sort→uniq(-c)→wc（uniq は sort 後）
• 結合＝paste（横貼り）／join（キー結合）・分割＝split・他に sed/od/expand/fmt/pr