如何在 shell 脚本中提取字符串的前两个字符？

Question

例如，给定：

USCAGoleta9311734.5021-120.1287855805

我只想提取：

US

Answer 1

如果您使用的是bash shell（根据您的评论，您似乎是），可能最有效的方法是使用参数扩展的子字符串变体：

pax> long="USCAGol.blah.blah.blah"
pax> short="${long:0:2}" ; echo "${short}"
US

这会将short设置为long的前两个字符。 如果long比两个字符短， short将与它相同。

如果您要经常这样做（如您提到的每个报告 50,000 次），这种壳内方法通常会更好，因为没有进程创建开销。 所有使用外部程序的解决方案都将受到这种开销的影响。

如果您还想确保最小长度，您可以事先使用以下内容填充它：

pax> long="A"
pax> tmpstr="${long}.."
pax> short="${tmpstr:0:2}" ; echo "${short}"
A.

这将确保长度小于两个字符的任何内容都在右侧填充句点（或其他内容，只需更改创建tmpstr时使用的字符）。 目前尚不清楚您是否需要这个，但我想我会把它放进去以保持完整性。

---

话虽如此，有很多方法可以使用外部程序（例如，如果您没有可用的bash ）来执行此操作，其中一些是：

short=$(echo "${long}" | cut -c1-2)
short=$(echo "${long}" | head -c2)
short=$(echo "${long}" | awk '{print substr ($0, 0, 2)}'
short=$(echo "${long}" | sed 's/^\(..\).*/\1/')

前两个（ cut和head ）对于单行字符串是相同的 - 它们基本上都只是返回前两个字符。 它们的不同之处在于cut将为您提供每行的前两个字符，而head将为您提供整个输入的前两个字符

第三个使用awk子字符串函数提取前两个字符，第四个使用sed捕获组（使用()和\1 ）捕获前两个字符并用它们替换整行。 它们都类似于cut - 它们提供输入中每行的前两个字符。

如果您确定输入是单行，那么这些都不重要，它们都具有相同的效果。

Answer 2

最简单的方法是：

${string:position:length}

这从$position的$string中提取$length子字符串。

这是内置的 Bash，因此不需要 awk 或 sed。

Answer 3

你已经得到了几个很好的答案，我自己会使用内置的 Bash，但是由于你询问了sed和awk并且（几乎）没有其他人提供基于它们的解决方案，我为你提供了这些：

echo "USCAGoleta9311734.5021-120.1287855805" | awk '{print substr($0,1,2)}'

和

echo "USCAGoleta9311734.5021-120.1287855805" | sed 's/\(^..\).*/\1/'

awk应该是相当明显的，但这里是对sed的解释：

• 替换“s/”
• 由两个任意字符“..”组成的组“()”，从行首“^”开始，后跟任意字符“.” 重复零次或多次“*”（需要反斜杠来转义某些特殊字符）
• 通过“/”表示第一个（在这种情况下也是唯一的）组的内容（这里的反斜杠是指匹配子表达式的特殊转义）
• 完毕 ”/”

Answer 4

只需 grep：

echo 'abcdef' | grep -Po "^.."        # ab

Answer 5

如果你在bash中，你可以说：

bash-3.2$ var=abcd
bash-3.2$ echo ${var:0:2}
ab

这可能正是您所需要的……

Answer 6

您可以使用printf ：

$ original='USCAGoleta9311734.5021-120.1287855805'
$ printf '%-.2s' "$original"
US

Answer 7

如果你想使用 shell 脚本而不依赖于非 posix 扩展（例如所谓的 bashisms），你可以使用不需要分叉外部工具的技术，例如 grep、sed、cut、awk 等，然后使您的脚本效率降低。 也许效率和 posix 可移植性在您的用例中并不重要。 但如果是这样（或者只是作为一个好习惯），您可以使用以下参数扩展选项方法来提取 shell 变量的前两个字符：

$ sh -c 'var=abcde; echo "${var%${var#??}}"'
ab

这使用“最小前缀”参数扩展来删除前两个字符（这是${var#??}部分），然后使用“最小后缀”参数扩展（ ${var%部分）来删除所有-但-原始值中的 the-first-two-characters 字符串。

此方法之前已在“Shell = 检查变量是否以 # 开头”问题的答案中进行了描述。 该答案还描述了一些类似的参数扩展方法，可以在与此处适用于原始问题的上下文略有不同的上下文中使用。

Answer 8

colrm — 从文件中删除列

要保留前两个字符，只需删除从 3 开始的列

cat file | colrm 3

Answer 9

利用：

sed 's/.//3g'

或者

awk NF=1 FPAT=..

或者

perl -pe '$_=unpack a2'

Answer 10

只是为了好玩我会添加一些，虽然它们过于复杂和无用，但没有提到它们：

head -c 2 <( echo 'USCAGoleta9311734.5021-120.1287855805')

echo 'USCAGoleta9311734.5021-120.1287855805' | dd bs=2 count=1 status=none

sed -e 's/^\(.\{2\}\).*/\1/;' <( echo 'USCAGoleta9311734.5021-120.1287855805')

cut -c 1-2 <( echo 'USCAGoleta9311734.5021-120.1287855805')

python -c "print(r'USCAGoleta9311734.5021-120.1287855805'[0:2])"

ruby -e 'puts "USCAGoleta9311734.5021-120.1287855805"[0..1]'

Answer 11

如果您的系统使用不同的 shell（不是bash ），但您的系统有bash ，那么您仍然可以通过使用变量调用bash来使用bash的固有字符串操作：

strEcho='echo ${str:0:2}' # '${str:2}' if you want to skip the first two characters and keep the rest
bash -c "str=\"$strFull\";$strEcho;"

Answer 12

这可能是你所追求的：

my $string = 'USCAGoleta9311734.5021-120.1287855805';

my $first_two_chars = substr $string, 0, 2;

参考： substr

Answer 13

如何考虑 Unicode + UTF-8

让我们为那些对 Unicode 字符而不是字节感兴趣的人做一个快速测试。 áéíóú （重音元音）的每个字符都由 UTF-8 中的两个字节组成。 和：

printf 'áéíóú' | LC_CTYPE=en_US.UTF-8 awk '{print substr($0,1,3);exit}'
printf 'áéíóú' | LC_CTYPE=C awk '{print substr($0,1,3);exit}'
printf 'áéíóú' | LC_CTYPE=en_US.UTF-8 head -c3
echo
printf 'áéíóú' | LC_CTYPE=C head -c3

我们得到：

áéí
á
á
á

所以我们看到只有awk + LC_CTYPE=en_US.UTF-8考虑了 UTF-8 字符。 其他方法只占用三个字节。 我们可以通过以下方式确认：

printf 'áéíóú' | LC_CTYPE=C head -c3 | hd

这使：

00000000  c3 a1 c3                                          |...|
00000003

而c3本身就是垃圾，不会出现在终端上，所以我们只看到了á 。

然而， awk + LC_CTYPE=en_US.UTF-8实际上返回 6 个字节。

我们也可以等效地测试：

printf '\xc3\xa1\xc3\xa9\xc3\xad\xc3\xb3\xc3\xba' | LC_CTYPE=en_US.UTF-8 awk '{print substr($0,1,3);exit}'

如果你想要一个通用参数：

n=3
printf 'áéíóú' | LC_CTYPE=en_US.UTF-8 awk "{print substr(\$0,1,$n);exit}"

有关 Unicode + UTF-8 的更具体问题： https ://superuser.com/questions/450303/unix-tool-to-output-first-n-characters-in-an-utf-8-encoded-file

相关： https ://unix.stackexchange.com/questions/3454/grabbing-the-first-x-characters-for-a-string-from-a-pipe

在 Ubuntu 21.04 上测试。

Answer 14

编码

if mystring = USCAGoleta9311734.5021-120.1287855805

    print substr(mystring,0,2)

将打印美国。

其中 0 是起始位置，2 是要读取的字符数。

Answer 15

perl -ple 's/^(..).*/$1/'