在Bash中如何提取子字符串

问题：

对于形如 someletters_12345_moreleters.ext 的文件名，我想提取其中的5位数字并将它们放入一个变量中。

明确一下细节，一个文件名的形式是若干个字符（不包含下划线），跟着一个五位的数字，数字两边都有一个下划线，最后跟着另一组若干个字符（不包含下划线）。我想要提取这个5位数字并将它存入一个变量中。

我非常感兴趣于完成这一目标的不同方法。

回答：

使用 cut 命令

number=$(echo 'someletters_12345_subsequentchars.ext' | cut -d'_' -f 2)
echo $number

• cut 是一个文本处理工具，用于按指定分隔符截取文件中的字段。
• -d '_' 参数指定使用下划线字符 (_) 作为字段分隔符。
• -f 2 参数表示提取第二个字段（字段索引从1开始计数）。

使用 awk 命令

number=$(echo 'someletters_12345_subsequentchars.ext' | awk -F'_' '{print $2}')
echo $number

• -F'_' 参数指定了输入文本的分隔符为下划线字符 (_)，这意味着 awk 将依据下划线来划分输入行中的字段。
• {print $2} 是 awk 脚本的一部分，其中 $2 表示输入行中的第二个字段（字段编号从1开始）。

使用 Shell 参数扩展

input="someletters_12345_subsequentchars.ext"
tmp=${input#*_}
number=${tmp%_*}
echo $number

1. tmp=${input#*_}: 这是 bash 中的参数扩展操作，# 符号在这里用于删除从左边开始匹配的第一个 _ 及其左边的所有字符。所以，tmp 变量将被赋值为 "12345_subsequentchars.ext"，去掉了原字符串中从左开始的第一个 _ 及其之前的 someletters 部分。
2. number=${tmp%_*}: 同样是 bash 的参数扩展操作，但这次 % 符号用于删除从右边开始匹配的第一个 _ 及其右边的所有字符。因此，number 变量将被赋值为 "12345"，去掉了原字符串中从右开始的第一个 _ 及其之后的 subsequentchars.ext 部分。

使用 tr 命令

number=$(echo "someletters_12345_subsequentchars.ext" | tr -cd '[[:digit:]]')
echo $number

• tr 是一个强大的字符转换命令，常用于替换或删除字符。
• -c 参数代表 complement（补集），告诉 tr 命令对指定字符集之外的字符进行操作。
• -d 参数代表 delete（删除），删除匹配到的字符。
• '[[:digit:]]' 是一个 POSIX 正则表达式的字符类，它匹配任何十进制数字（0-9）。

使用 grep 命令

number=$(echo "$filename" | grep -oE '[[:digit:]]{5}' | head -1)
echo $number

• grep 是一个文本搜索工具，这里使用了-o选项，它仅输出匹配到的模式而非整行内容。
• -E 选项表示使用扩展正则表达式（ERE）。
• '[[:digit:]]{5}' 是一个正则表达式，匹配连续的任意五个数字字符。
• 因此，grep 会找出 $filename 中连续出现的任意五个数字，并只输出这些数字。
• head 命令用于显示文件或流的前几行，默认情况下显示头10行，但这里使用了 -1 选项，表示只显示第一行。

总结起来，第一行命令的目的是从变量 $filename 所代表的字符串中找到第一个连续的五位数字序列，并将它存入 number 变量中。

参考：

• stackoverflow question 428109
• man cut
• man awk
• man tr
• man grep
• https://www.gnu.org/software/bash/manual/html_node/Shell-Parameter-Expansion.html