Bash Shell - 在第二次出现特定字符后返回子字符串答案

【问题标题】：Bash Shell - Return substring after second occurrence of certain characterBash Shell - 在第二次出现特定字符后返回子字符串
【发布时间】：2013-03-02 17:54:36
【问题描述】：

我需要在我决定的分隔符之后返回所有内容，但仍然不完全知道如何使用 sed。我需要做的是：

$ echo "ABC  DE,FG_HI J,123.XYZ-A1,DD/MM/YYYY HH24:MI:SS,,," \
  | sed <some regexp>

对于这个例子，返回应该是（子字符串）第二个逗号之后的所有内容：

123.XYZ-A1,DD/MM/YYYY HH24:MI:SS,,,

我可以像这样使用 cut 来做到这一点： echo "ABC DE,FG_HI J,123.XYZ-A1,DD/MM/YYYY HH24:MI:SS,,," | cut -d',' -f 2-

但有人告诉我 cut 比 sed 慢...

可以请一些拥有它们（并且想要... :) ）的大师给我几分钟的时间并给我建议吗？谢谢！狮子座

【问题讨论】：

我不知道在这种特定情况下cut 是否比sed 慢，但我可以告诉你cut 不是“比sed 慢”足以使任何实际区别。如果速度这么重要，你就不会在 Bash 中处理它，对吧？
谢谢 Will，如果速度是最重要的，我会在哪里处理它？
如果速度真的很重要，你可以用 C 语言编写它，它可能比使用 cut 快 0.002%，而 cut 又会比 sed 快得多。
“如果你需要问，那就够快了”，不过话说，这样看：sed 和 cut 是用 C 编写的。它们都旨在处理各种各样的输入，并产生各种各样的输出。如果您要使用 C 编写工具，那么您可以简化代码并针对您需要处理的特定情况进行优化。这确实会更快。它不会更快 - 值得付出努力。
原来 C 实现比 cut 快得多。在 100000 行输入上快了近 3.7 倍。切的表现如此糟糕，我感到非常惊讶。如果在 C 中实现 4 倍的速度值得花 10 分钟来实现，我会更加惊讶（0.089 秒与 0.024 秒相比很差，但在大多数情况下仍然足够快）。

标签： linux bash sed substring

【解决方案1】：

此方法是通过查找字符第二次出现的索引并使用 bash 子字符串来获得所需的结果

input="ABC  DE,FG_HI J,123.XYZ-A1,DD/MM/YYYY HH24:MI:SS,,,"
index=$(($(echo $input| grep -aob '/' | grep -oE '[0-9]+' | awk 'NR==2') + 1))
result=${input:$index}

【讨论】：

【解决方案2】：

您也可以尝试在 bash 中进行提取，而根本不产生外部进程：

$ [[ 'ABC  DE,FG_HI J,123.XYZ-A1,DD/MM/YYYY HH24:MI:SS,,,' =~ [^,]*,[^,]*,(.*) ]]
$ echo "${BASH_REMATCH[@]}"
123.XYZ-A1,DD/MM/YYYY HH24:MI:SS,,,

或

$ FOO='ABC  DE,FG_HI J,123.XYZ-A1,DD/MM/YYYY HH24:MI:SS,,,'
$ echo ${FOO/+([^,]),+([^,]),}

或

$ IFS=, read -a FOO <<< 'ABC  DE,FG_HI J,123.XYZ-A1,DD/MM/YYYY HH24:MI:SS,,,'
$ echo ${FOO[@]:2}

（假设这是一次性匹配，而不是遍历文件的内容。）

【讨论】：

【解决方案3】：

根据我的经验，cut 总是比sed 快。

要使用sed 做你想做的事，你可以使用不匹配的组：

echo 'ABC  DE,FG_HI J,123.XYZ-A1,DD/MM/YYYY HH24:MI:SS,,,' |
  sed -r 's/([^,]*,){2}//'

这会删除前两个字段（如果字段本身不包含逗号），方法是删除非逗号字符 [^,]，后跟两次逗号 {2}。

输出：

123.XYZ-A1,DD/MM/YYYY HH24:MI:SS,,,

【讨论】：

非常感谢雷神！这正是我想要的 sed。我将尝试使用一些大文件，看看哪个更快。