如何在Bash中从文件路径提取指定格式的文件名片段

针对你的需求，这里有几个实用的Bash方案，能快速提取出你想要的样本标识片段：

方法1：使用Bash内置参数扩展（推荐） #

这种方法不需要依赖外部工具，纯Bash内置实现，处理大量文件时效率更高：

for name in "$FASTQ_DIR"/*/R1/*.fastq.gz; do
    # 提取文件名（去掉完整路径）
    filename=$(basename "$name")
    # 从文件名末尾移除固定后缀 "_R1_001.fastq.gz"
    sample_id="${filename%_R1_001.fastq.gz}"
    echo "$sample_id"
done

解释：

• basename "$name" 会去掉文件的完整路径，只保留最后的文件名（比如HISEQ_194_REPEAT_A01_FR_KAPA_25x_1ug_SR_1ngx4rxns_S1_R1_001.fastq.gz）
• ${var%pattern} 是Bash的参数扩展语法，会从变量var的末尾删除最短匹配的pattern，这里正好精准移除我们不需要的后缀部分。

方法2：使用sed正则替换 #

如果你习惯用正则处理字符串，sed是个不错的选择：

for name in "$FASTQ_DIR"/*/R1/*.fastq.gz; do
    echo "$name" | sed -E 's/.*\/(.*)_R1_001\.fastq\.gz/\1/'
done

解释：

• -E 启用扩展正则表达式，让语法更简洁
• 正则.*\/匹配路径中最后一个/之前的所有内容
• (.*)捕获我们需要的样本标识部分
• _R1_001\.fastq\.gz匹配固定后缀，最后用捕获的内容\1替换整个字符串，得到目标片段。

方法3：使用awk分割处理 #

awk擅长字段分割，也可以轻松实现这个需求：

for name in "$FASTQ_DIR"/*/R1/*.fastq.gz; do
    echo "$name" | awk -F '/' '{split($NF, parts, "_R1_001.fastq.gz"); print parts[1]}'
done

解释：

• -F '/' 把输入的路径按/分割成多个字段
• $NF 表示取最后一个字段（也就是文件名）
• split($NF, parts, "_R1_001.fastq.gz") 把文件名用后缀作为分隔符分割成数组parts，第一个元素parts[1]就是我们要的内容。

内容的提问来源于stack exchange，提问作者Ishan Mehta