如何在 bash 中的多字符定界符上拆分字符串？

Question

为什么下面的 bash 代码不起作用？

for i in $( echo "emmbbmmaaddsb" | split -t "mm"  )
do
    echo "$i"
done

预期输出：

e
bb
aaddsb

Answer 1

由于您需要换行符，因此您可以简单地将字符串中所有 mm 的实例替换为换行符。纯原生 bash:

in='emmbbmmaaddsb'
sep='mm'
printf '%s\n' "${in//$sep/$'\n'}"

如果您想在较长的输入流上进行此类替换，最好使用 awk，因为 bash 的内置字符串操作不能很好地扩展到超过几千字节的内容。 gsub_literalshell函数（后端进入awk）在BashFAQ #21中适用：

# Taken from http://mywiki.wooledge.org/BashFAQ/021

# usage: gsub_literal STR REP
# replaces all instances of STR with REP. reads from stdin and writes to stdout.
gsub_literal() {
  # STR cannot be empty
  [[  ]] || return

  # string manip needed to escape '\'s, so awk doesn't expand '\n' and such
  awk -v str="${1//\/\\}" -v rep="${2//\/\\}" '
    # get the length of the search string
    BEGIN {
      len = length(str);
    }

    {
      # empty the output string
      out = "";

      # continue looping while the search string is in the line
      while (i = index([=11=], str)) {
        # append everything up to the search string, and the replacement string
        out = out substr([=11=], 1, i-1) rep;

        # remove everything up to and including the first instance of the
        # search string from the line
        [=11=] = substr([=11=], i + len);
      }

      # append whatever is left
      out = out [=11=];

      print out;
    }
  '
}

...在此上下文中用作：

gsub_literal "mm" $'\n' <your-input-file.txt >your-output-file.txt

Answer 2

推荐的字符替换工具是 sed 的命令 s/regexp/replacement/ 一次正则表达式或全局 s/regexp/replacement/g，你甚至不需要循环或变量。

管道化您的 echo 输出并尝试用换行符 \n:

替换字符 mm

echo "emmbbmmaaddsb" | sed 's/mm/\n/g'

输出为：

e
bb
aaddsb

Answer 3

下面给出了一个更一般的示例，没有用单字符定界符替换多字符定界符：

使用参数扩展：（来自@gniourf_gniourf的评论）

#!/bin/bash

str="LearnABCtoABCSplitABCaABCString"
delimiter=ABC
s=$str$delimiter
array=();
while [[ $s ]]; do
    array+=( "${s%%"$delimiter"*}" );
    s=${s#*"$delimiter"};
done;
declare -p array

一种比较粗暴的方式

#!/bin/bash

# main string
str="LearnABCtoABCSplitABCaABCString"

# delimiter string
delimiter="ABC"

#length of main string
strLen=${#str}
#length of delimiter string
dLen=${#delimiter}

#iterator for length of string
i=0
#length tracker for ongoing substring
wordLen=0
#starting position for ongoing substring
strP=0

array=()
while [ $i -lt $strLen ]; do
    if [ $delimiter == ${str:$i:$dLen} ]; then
        array+=(${str:strP:$wordLen})
        strP=$(( i + dLen ))
        wordLen=0
        i=$(( i + dLen ))
    fi
    i=$(( i + 1 ))
    wordLen=$(( wordLen + 1 ))
done
array+=(${str:strP:$wordLen})

declare -p array

参考 - Bash Tutorial - Bash Split String

Answer 4

借助 awk，您可以使用 gsub 替换所有正则表达式匹配项。

如您的问题，要用新行替换两个或更多 'm' 个字符的所有子字符串，运行:

echo "emmbbmmaaddsb" | awk '{ gsub(/mm+/, "\n" ); print; }'

e

bb

aaddsb

gsub() 中的“g”代表“全局”，意思是到处替换。

您也可以要求只打印 N 个匹配项，例如：

echo "emmbbmmaaddsb" | awk '{ gsub(/mm+/, " " ); print ; }'

bb

如何在 bash 中的多字符定界符上拆分字符串？

Howto split a string on a multi-character delimiter in bash?

bash

shell

ubuntu

gnu-coreutils