在Bash中提取子字符串

给定格式的文件名someletters_12345_moreleters.ext，我想提取5位数字并将其放入变量中。

因此，为了强调这一点，我有一个文件名，其中包含x个字符，然后是一个五位数的序列，该序列由两侧的单个下划线包围，然后是另一组x个字符。我想使用5位数字并将其放入变量中。

我对实现此目标的许多不同方式非常感兴趣。

使用切割：

echo 'someletters_12345_moreleters.ext' | cut -d'_' -f 2

更通用：

INPUT='someletters_12345_moreleters.ext'
SUBSTRING=$(echo $INPUT| cut -d'_' -f 2)
echo $SUBSTRING

如果x为常数，则以下参数扩展将执行子字符串提取：

b=${a:12:5}

其中12是偏移量（从零开始），而5是长度

如果数字中的下划线是输入中唯一的数字，则可以分两步（分别）去除前缀和后缀：

tmp=${a#*_}   # remove prefix ending in "_"
b=${tmp%_*}   # remove suffix starting with "_"

如果还有其他下划线，尽管比较棘手，但这仍然是可行的。如果有人知道如何在一个表达式中执行两个扩展，我也想知道。

提出的两种解决方案都是纯bash，不涉及任何流程生成，因此非常快。

通用解决方案，其中数字可以在文件名中的任何位置使用以下序列中的第一个：

number=$(echo $filename | egrep -o '[[:digit:]]{5}' | head -n1)

提取变量的一部分的另一种解决方案：

number=${filename:offset:length}

如果文件名始终具有格式stuff_digits_...，则可以使用awk：

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

删除数字以外的所有内容的另一种解决方案是使用

number=$(echo $filename | tr -cd '[[:digit:]]')

只是尝试使用 cut -c startIndx-stopIndx

如果有人需要更严格的信息，您也可以像这样在man bash中搜索它

$ man bash [press return key]
/substring  [press return key]
[press "n" key]
[press "n" key]
[press "n" key]
[press "n" key]

结果：

$ {parameter：offset}
       $ {parameter：offset：length}
              子串扩展。扩展到最大长度为
              参数从offset指定的字符开始。如果
              长度被省略，扩展为参数start-的子字符串
              按offset指定的字符。长度和偏移量是
              算术表达式（请参阅下面的算术评估）。如果
              offset的数值小于零，则使用该值
              作为距参数值末尾的偏移量。算术
              以-开头的表达式必须用空格分隔
              与上一个：与使用默认值区分开
              价值扩展。如果长度的计算结果小于
              零，并且参数不是@并且不是索引或关联的
              数组，它被解释为距值结尾的偏移量
              参数而不是多个字符，然后展开
              sion是两个偏移量之间的字符。如果参数是
              @，结果是从off开始的长度位置参数
              组。如果parameter是带下标@或下标的索引数组名
              *，结果是数组的长度成员，以
              $ {parameter [offset]}。相对于负偏移量
              比指定数组的最大索引大1。子
              应用于关联数组的字符串扩展会产生不确定的
              罚款结果。请注意，负偏移必须分开
              远离结肠至少一个空间以避免混淆
              与：-扩展。子字符串索引从零开始，除非
              使用位置参数，在这种情况下，索引
              默认情况下从1开始。如果offset为0，则位置
              使用参数时，$ 0将作为列表的前缀。

这是我的做法：

FN=someletters_12345_moreleters.ext
[[ ${FN} =~ _([[:digit:]]{5})_ ]] && NUM=${BASH_REMATCH[1]}

说明：

重击特定：

• [[ ]] 表示条件表达式
• =~ 表示条件是一个正则表达式
• && 如果先前的命令成功，则链接命令

正则表达式（RE）： _([[:digit:]]{5})_

• _ 是要为匹配的字符串划定/锚定匹配边界的文字
• () 创建一个捕获组
• [[:digit:]] 是一个角色类，我认为这说明了一切
• {5} 表示恰好五个先前字符，类（如本例中所示）或组必须匹配

用英语，您可以这样想：FN字符串逐个字符地迭代，直到我们看到一个_捕获组打开的点，并且我们尝试匹配五个数字为止。如果此刻匹配成功，捕获组将保存所遍历的五位数字。如果下一个字符是_，则条件成功，捕获组在中可用BASH_REMATCH，并且下一条NUM=语句可以执行。如果匹配的任何部分失败，将丢弃保存的详细信息，并在之后继续逐字符处理_。例如，如果FNwhere _1 _12 _123 _1234 _12345_，则在找到匹配项之前将有四个错误的开始。

我很惊讶这种纯bash解决方案没有出现：

a="someletters_12345_moreleters.ext"
IFS="_"
set $a
echo $2
# prints 12345

您可能希望将IFS重置为之前或unset IFS之后的值！

建立在jor的答案上（这对我不起作用）：

substring=$(expr "$filename" : '.*_\([^_]*\)_.*')

遵循要求

我有一个带有x个字符的文件名，然后是一个五位数的序列，该序列由两侧的单个下划线包围，然后是另一组x个字符。我想使用5位数字并将其放入变量中。

我发现了一些grep可能有用的方法：

$ echo "someletters_12345_moreleters.ext" | grep -Eo "[[:digit:]]+" 
12345

或更好

$ echo "someletters_12345_moreleters.ext" | grep -Eo "[[:digit:]]{5}" 
12345

然后使用-Po语法：

$ echo "someletters_12345_moreleters.ext" | grep -Po '(?<=_)\d+' 
12345

或者，如果您想使其恰好适合5个字符，请执行以下操作：

$ echo "someletters_12345_moreleters.ext" | grep -Po '(?<=_)\d{5}' 
12345

最后，要将其存储在变量中，只需使用var=$(command)语法即可。

如果我们关注以下概念：
“一个（一个或多个）数字”

我们可以使用几种外部工具来提取数字。
我们可以很容易地擦除sed或tr的所有其他字符：

name='someletters_12345_moreleters.ext'

echo $name | sed 's/[^0-9]*//g'    # 12345
echo $name | tr -c -d 0-9          # 12345

但是，如果$ name包含多个数字，则上述操作将失败：

如果“名称= someletters_12345_moreleters_323_end.ext”，则：

echo $name | sed 's/[^0-9]*//g'    # 12345323
echo $name | tr -c -d 0-9          # 12345323

我们需要使用正则表达式（regex）。
要仅选择sed和perl中的第一次运行（12345而不是323），请执行以下操作：

echo $name | sed 's/[^0-9]*\([0-9]\{1,\}\).*$/\1/'
perl -e 'my $name='$name';my ($num)=$name=~/(\d+)/;print "$num\n";'

但是我们也可以直接在bash ^{（1）中进行}：

regex=[^0-9]*([0-9]{1,}).*$; \
[[ $name =~ $regex ]] && echo ${BASH_REMATCH[1]}

这使我们能够提取
由任何其他文本/字符包围的任意长度的数字的第一行。

注意：regex=[^0-9]*([0-9]{5,5}).*$;仅会精确匹配5位数字。:-)

^（1）：比为每个短文本调用外部工具快。不比在sed或awk中对大文件进行所有处理快。

没有任何子流程，您可以：

shopt -s extglob
front=${input%%_+([a-zA-Z]).*}
digits=${front##+([a-zA-Z])_}

很小的变体也可以在ksh93中使用。

这是一个前缀后缀解决方案（类似于JB和Darron给出的解决方案），它与第一位数字匹配，并且不依赖于周围的下划线：

str='someletters_12345_morele34ters.ext'
s1="${str#"${str%%[[:digit:]]*}"}"   # strip off non-digit prefix from str
s2="${s1%%[^[:digit:]]*}"            # strip off non-digit suffix from s1
echo "$s2"                           # 12345

我喜欢sed与正则表达式组打交道的能力：

> var="someletters_12345_moreletters.ext"
> digits=$( echo $var | sed "s/.*_\([0-9]\+\).*/\1/p" -n )
> echo $digits
12345

更为通用的选择是不假定您在下划线处_标记了数字序列的开始，因此例如去除了在序列之前获得的所有非数字：s/[^0-9]\+\([0-9]\+\).*/\1/p。

> man sed | grep s/regexp/replacement -A 2
s/regexp/replacement/
    Attempt to match regexp against the pattern space.  If successful, replace that portion matched with replacement.  The replacement may contain the special  character  &  to
    refer to that portion of the pattern space which matched, and the special escapes \1 through \9 to refer to the corresponding matching sub-expressions in the regexp.

如果您对正则表达式不太有信心，请执行以下操作：

• s 用于_s_ubstitute
• [0-9]+ 匹配1个以上的数字
• \1 链接到正则表达式输出的n.1组（在这种情况下，组0是整个匹配项，组1是括号内的匹配项）
• p 标志用于_p_rinting

所有转义符号\都可以使sedregexp处理工作。

我的答案将对您要从字符串中得到的内容进行更多控制。这是有关如何提取12345字符串的代码

str="someletters_12345_moreleters.ext"
str=${str#*_}
str=${str%_more*}
echo $str

如果要提取的东西，有像任何字符，这将是更有效的abc或任何特殊字符，如_或-。例如：如果您的字符串是这样的，并且您希望后面someletters_和之后的所有内容_moreleters.ext：

str="someletters_123-45-24a&13b-1_moreleters.ext"

使用我的代码，您可以确切地说出您想要什么。说明：

#*它将删除前面包含匹配关键字的字符串。这里我们提到的键是“ _ %它将删除包含匹配键的以下字符串”。这里我们提到的键是“ _more *”

自己做一些实验，您会发现这很有趣。

给定的test.txt是包含“ ABCDEFGHIJKLMNOPQRSTUVWXYZ”的文件

cut -b19-20 test.txt > test1.txt # This will extract chars 19 & 20 "ST" 
while read -r; do;
> x=$REPLY
> done < test1.txt
echo $x
ST

好的，这里是带有空字符串的纯参数替换。需要注意的是，我已经将someletters和moreletters定义为仅字符。如果它们是字母数字，将无法按原样工作。

filename=someletters_12345_moreletters.ext
substring=${filename//@(+([a-z])_|_+([a-z]).*)}
echo $substring
12345

类似于PHP中的substr（'abcdefg'，2-1，3）：

echo 'abcdefg'|tail -c +2|head -c 3

还有bash内置的“ expr”命令：

INPUT="someletters_12345_moreleters.ext"  
SUBSTRING=`expr match "$INPUT" '.*_\([[:digit:]]*\)_.*' `  
echo $SUBSTRING

有点晚了，但我遇到了这个问题，发现了以下内容：

host:/tmp$ asd=someletters_12345_moreleters.ext 
host:/tmp$ echo `expr $asd : '.*_\(.*\)_'`
12345
host:/tmp$ 

我用它来获得日期为％N的嵌入式系统的毫秒级分辨率：

set `grep "now at" /proc/timer_list`
nano=$3
fraction=`expr $nano : '.*\(...\)......'`
$debug nano is $nano, fraction is $fraction

一个bash解决方案：

IFS="_" read -r x digs x <<<'someletters_12345_moreleters.ext'

这将破坏名为的变量x。x可以将var 更改为var _。

input='someletters_12345_moreleters.ext'
IFS="_" read -r _ digs _ <<<"$input"

与JS和Java实现类似的输入端。如果您不希望这样做，请删除+1。

substring() {
    local str="$1" start="${2}" end="${3}"

    if [[ "$start" == "" ]]; then start="0"; fi
    if [[ "$end"   == "" ]]; then end="${#str}"; fi

    local length="((${end}-${start}+1))"

    echo "${str:${start}:${length}}"
} 

例：

    substring 01234 0
    01234
    substring 012345 0
    012345
    substring 012345 0 0
    0
    substring 012345 1 1
    1
    substring 012345 1 2
    12
    substring 012345 0 1
    01
    substring 012345 0 2
    012
    substring 012345 0 3
    0123
    substring 012345 0 4
    01234
    substring 012345 0 5
    012345

更多示例调用：

    substring 012345 0
    012345
    substring 012345 1
    12345
    substring 012345 2
    2345
    substring 012345 3
    345
    substring 012345 4
    45
    substring 012345 5
    5
    substring 012345 6

    substring 012345 3 5
    345
    substring 012345 3 4
    34
    substring 012345 2 4
    234
    substring 012345 1 3
    123

别客气。