如何使用 bash 提取子字符串答案

【问题标题】：How to extract a substring using bash如何使用 bash 提取子字符串
【发布时间】：2014-05-15 18:40:02
【问题描述】：

我有一个代表日期的字符串，如下所示：

    "May 5 2014"

我想知道如何从中提取“5”。

到目前为止我的尝试：

   echo "May 5 2014" | sed 's/[^0-9]*\s//'

返回“5 2014”

很抱歉提出补救问题。刚接触 bash。

【问题讨论】：

bash: shortest way to get n-th column of output 的可能重复项

标签： bash

【解决方案1】：

使用cut:

echo "May 5 2014" | cut -d' ' -f2

或awk:

echo "May 5 2014" | awk '{print $2}'

如果您想在没有外部实用程序的情况下使用它，这将是一个两步过程：

s="May 5 2014"
t="${s#* }"
echo "${t% *}"

【讨论】：

devnull，我的日期字符串存储在一个名为 $a 的变量中。当我执行“newvar = $(echo $a|cut -d' ' -f2)”时，我收到一条错误消息，提示找不到 newvar
@dot 消除 = 周围的空格。

【解决方案2】：

使用 sed，一种可能性是：

echo "May 5 2014" | sed 's/.* \([0-9]*\) .*/\1/'

另一个

echo "May 5 2014" | sed 's/[^ ]* //;s/ [^ ]*//'

另一个

echo "May 5 2014" | sed 's/\(.*\) \(.*\) \(.*\)/\2/'

使用 grep

echo "May 5 2014" | grep -oP '\b\d{1,2}\b'

或perl

echo "May 5 2014" | perl -lanE 'say $F[1]'

作为好奇心

echo "May 5 2014" | xargs -n1 | head -2 | tail -1
echo "May 5 2014" | xargs -n1 | sed -n 2p
echo "May 5 2014" | xargs -n1 | egrep '^[0-9]{1,2}$'

最后是纯 bash 解决方案，无需启动任何外部命令

aaa="May 5 2014"
[[ $aaa =~ (.*)[[:space:]](.*)[[:space:]](.*) ]] && echo ${BASH_REMATCH[2]}

或

aaa="May 5 2014"
re="(.*) (.*) (.*)"
[[ $aaa =~ $re ]] && echo ${BASH_REMATCH[2]}

编辑

因为 Keith Reynolds 要求一些基准测试，所以我测试了以下脚本。使用 time 并不是完美的基准测试工具，但可以提供一些洞察力。

每个测试输出 N 倍的结果（以 wc 计）
注意，外部命令仅执行 10_000 次，而纯 bash 解决方案为 100_000 次

这是脚本：

xbench_with_read() {
    let i=$1; while ((i--)); do
        read _ day _ <<< 'May 5 2014'
        echo $day
    done
}

xbench_regex_3x_assign() {
    let i=$1; while ((i--)); do
        aaa="May 5 2014"
        re="(.*) (.*) (.*)"
        [[ $aaa =~ $re ]] && month="${BASH_REMATCH[1]}" && day="${BASH_REMATCH[2]}" && year="${BASH_REMATCH[3]}" && echo "$day"
    done
}

xbench_regex_1x_assign() {
    let i=$1; while ((i--)); do
        aaa="May 5 2014"
        re="(.*) (.*) (.*)"
        [[ $aaa =~ $re ]] && day=${BASH_REMATCH[2]} && echo "$day"
    done
}

xbench_var_expansion() {
    let i=$1; while ((i--)); do
        s="May 5 2014"
        t="${s#* }"
        echo "${t% *}"
    done
}

xbench_ext_cut() {
    let i=$1; while ((i--)); do
        echo "May 5 2014" | cut -d' ' -f2
    done
}

xbench_ext_grep() {
    let i=$1; while ((i--)); do
        echo "May 5 2014" | grep -oP '\b\d{1,2}\b'
    done
}

xbench_ext_sed() {
    let i=$1; while ((i--)); do
        echo "May 5 2014" | sed 's/\(.*\) \(.*\) \(.*\)/\2/'
    done
}

xbench_ext_xargs() {
    let i=$1; while ((i--)); do
        echo "May 5 2014" | xargs -n1 | sed -n 2p
    done
}

title() {
    echo '~ -'$___{1..20} '~' >&2
    echo "Timing $1 $2 times" >&2
}

for script in $(compgen -A function | grep xbench)
do
    cnt=100000
    #external programs run 10x less times
    [[ $script =~ _ext_ ]] && cnt=$(( $cnt / 10 ))
    title $script $cnt
    time $script $cnt | wc -l
done

这里是原始结果：

~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~
Timing xbench_ext_cut 10000 times
   10000

real    0m37.752s
user    0m14.587s
sys 0m25.723s
~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~
Timing xbench_ext_grep 10000 times
   10000

real    1m35.570s
user    0m21.778s
sys 0m34.524s
~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~
Timing xbench_ext_sed 10000 times
   10000

real    0m41.628s
user    0m15.310s
sys 0m26.422s
~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~
Timing xbench_ext_xargs 10000 times
   10000

real    1m42.235s
user    0m46.601s
sys 1m11.238s
~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~
Timing xbench_regex_1x_assign 100000 times
  100000

real    0m11.215s
user    0m8.784s
sys 0m0.907s
~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~
Timing xbench_regex_3x_assign 100000 times
  100000

real    0m14.669s
user    0m12.419s
sys 0m1.027s
~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~
Timing xbench_var_expansion 100000 times
  100000

real    0m5.148s
user    0m4.658s
sys 0m0.788s
~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~ - ~
Timing xbench_with_read 100000 times
  100000

real    0m27.700s
user    0m6.279s
sys 0m19.724s

按实际执行时间排序

纯 bash 解决方案 100_000 次

xbench_var_expansion - 实际 0m5.148s - 5.2 秒
xbench_regex_1x_assign - 真正的 0m11.215s - 11.2 秒
xbench_regex_3x_assign - 真正的 0m14.669s - 14.7 秒
xbench_with_read - 真正的 0m27.700s - 27.7 秒

这并不奇怪 - 变量扩展是最快的解决方案。

外部程序仅 10_000 次

xbench_ext_cut - 真正的 0m37.752s - 37.8 秒
xbench_ext_sed - 真正的 0m41.628s - 41.6 秒
xbench_ext_grep - 真正的 1m35.570s - 95.6 秒
xbench_ext_xargs - 实际 1m42.235s - 102.2 秒

这里有两个惊喜（至少对我来说）：

grep 解决方案是 sed 的 2x slover
xargs（好奇心解决方案）只比 grep 慢一点

环境：

$ uname -a
Darwin marvin.local 13.1.0 Darwin Kernel Version 13.1.0: Thu Jan 16 19:40:37 PST 2014; root:xnu-2422.90.20~2/RELEASE_X86_64 x86_64

$ LC_ALL=C bash --version
GNU bash, version 4.2.45(2)-release (i386-apple-darwin13.0.0)
Copyright (C) 2011 Free Software Foundation, Inc.
License GPLv3+: GNU GPL version 3 or later <http://gnu.org/licenses/gpl.html>

【讨论】：

我喜欢这里的多样性。我实际上只是自己写了你的第一个可能性，但忘记了 [0-9]* 之前的额外空格*
@SS781 - 最好的方法是 cut 已经由 devnull 回答
cut 很小 - 启动速度如此之快，并且在脚本中输入的时间很短；）。但实际上最好的是纯 bash 解决方案尚未被任何人展示，因为纯 bash 不会启动任何外部程序...

【解决方案3】：

使用 awk ：

echo "May 5 2014" | awk '{print $2}'

【讨论】：

【解决方案4】：

如果您正在编写一个需要解析日期字符串的脚本，您当然可以使用 sed 等来完成，而且确实这里已经有几个答案可以很好地解决问题。

但是，我的建议是让date 程序为您完成繁重的工作：

$ date -d "May 5 2014" +%-d
5

date 程序的维护者无疑花费了许多小时和数天的时间来正确处理他们的日期解析代码。为什么不利用这项工作而不是自己动手？

编辑

添加了 BSD 解决方案，例如适用于 (Mac OS X)

date -j -f '%b %d %Y' 'May 5 2014' '+%d'

在 BSD 上，需要告诉date -f format 的“传入”日期是什么格式，并以 +format 的格式输出。 -j 的意思是，不要设置日期。

【讨论】：

不错的一个！不幸的是，对于 BSD 系统（OS X）不起作用（需要另一种语法）
请注意，尽管date 不接受您能想到的任何日期格式（例如，它抱怨“2014 年 5 月 5 日”），但它仍然比假设单个日期格式灵活得多格式。例如，date将接受诸如“2014 年 5 月 5 日”、“5 月 5 日”、“2014-05-05”、“2014-5-5”等日期。
除此之外做任何事情对于日期解析（以及许多其他问题的重复）来说有点奇怪。问题中没有提到BSD。 +1
@BroSlow 更别提Linux了...你不能假设每个人都使用GNU date，这里也有很多Mac用户。无论如何，我同意这个答案——用日期解析日期很好——但需要注意不同的操作系统语法。
@jm666 没有反对 bsd（尽管我不喜欢 find、stat 等一些工具的 bsd 变体），gnu 更为普遍，并且 OP 询问 bsd 的问题往往会得到用 osx、solaris、bsd 等标记...但显然很高兴提供多种解决方案。

【解决方案5】：

Bash 的内置读取命令可以将输入拆分为多个变量。 '

read first second remainder <<< "May 5 2014"

之后，“$first”将是“May”，“$second”将是“5”，“$remainder”将是“2014”

通常的做法是使用“”作为不感兴趣字段的占位符，因为 shell 会自动覆盖 $。

read _ day _ <<< 'May 5 2014 utc'

【讨论】：

这真的很整洁 :) +1
@dave sines 不仅简洁，而且read month day year <<< "May 5 2014" 速度快得令人难以置信。我做了一些测试，发现它比 day=$(echo "May 5 2014" | cut -d' ' -f2) 快 20 倍以上。如果要对月日和年做同样的事情，它的速度会快 60 倍以上。谢谢！
@KeithReynolds @devnull 的纯 bash 解决方案快 5 倍，而我的纯 bash-regex 解决方案比 read 解决方案快 3 倍。所以，它很整洁——但不是最快的:)
@jm666 我还发现，如果您只寻找一天，您的 pure-bash-regex 解决方案比这个读取解决方案快 3 倍。另一方面，read month day year <<< "May 5 2014" 的速度与re="(.*) (.*) (.*)"; [[ $aaa =~ $re ]]; month=${BASH_REMATCH[1]}; day=${BASH_REMATCH[2]};year=${BASH_REMATCH[3]} 差不多
@KeithReynolds 在我的系统中 100000 次，读取解决方案：27 秒，正则表达式 3x 分配 10 秒，正则表达式 1x 分配 8 秒，devnulls 解决方案 5.4 秒。 ;) 无论如何，这真的不是很重要——所有纯 bash 解决方案都很好。 ;) :)

【解决方案6】：

您可以使用 bash substring expansion 并应用偏移量 (:4) 和长度 (:1) 值。在字符串格式发生变化的情况下，只需调整偏移量和长度值即可。

这是一个例子：

$ date_format="May 5 2014"
$ echo "${date_format:4:1}"
5

$ date_format="2014 May 5"
$ echo "${date_format: -1:1}"    # <- Watch that space before the negative value
5

$ date_format="5 May 2014"
$ echo "${date_format:0:1}"
5

【讨论】：