博客
关于我
linux shell编程(二) 条件测试
阅读量:463 次
发布时间:2019-03-06

本文共 700 字,大约阅读时间需要 2 分钟。

在bash中进行条件测试时,我们可以使用三种主要的测试表达式:

整数测试

这些测试命令用于比较整数值:

  • -eq:测试两个整数是否相等,格式为[ $A -eq $B ]
  • -ne:测试两个整数不等,格式为[ $A -ne $B ]
  • -gt:测试一个数是否大于另一个数,格式为[ $A -gt $B ]
  • -lt:测试一个数是否小于另一个数,格式为[ $A -lt $B ]
  • -ge:测试一个数是否大于等于另一个数,格式为[ $A -ge $B ]
  • -le:测试一个数是否小于等于另一个数,格式为[ $A -le $B ]

文件测试

这些测试命令用于检查文件的存在性和类型:

  • -e:检查文件是否存在,格式为[-e /etc/inittab]
  • -f:检查文件是否为普通文件,格式为[-f /path/to/file]
  • -d:检查路径是否指向一个目录,格式为[-d /path/to/dir]
  • -r-w-x:分别测试文件的读、写、执行权限,格式为[-x /etc/rc.d/rc.sysinit]

字符串测试

这些测试命令用于比较字符串内容:

  • -eq:测试两个字符串是否相等,格式为[ "$A" -eq "$B" ]
  • -ne:测试两个字符串是否不等,格式为[ "$A" -ne "$B" ]
  • ><:比较字符串的大小,格式为[ "$A" > "$B" ] 或 [ "$A" < "$B" ]
  • -n:测试字符串是否非空,格式为[-n "$string" ]
  • -z:测试字符串是否为空,格式为[-z "$string" ]

这些测试命令在shell脚本中非常实用,可以帮助我们更方便地进行条件判断和流程控制。

转载地址:http://liwbz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
查看>>
OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
查看>>
OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
查看>>
OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>