Bash技巧：如何每次提取3个文件的父目录名称

需求说明 #

现有一批文件路径，需要完成以下操作：

1. 按字母顺序排序文件路径
2. 每3个文件路径为一组
3. 提取每组中每个文件的父文件夹名称
4. 命令需支持含空格的路径

原始路径示例：

/foo/bar/bazz/JMA01023D_E07/JMA01023D_E07_EKDL230054768-1A_22HFKNLT3_L4_1.fq.gz
/foo/bar/bazz/JMA01023D_E08/JMA01023D_E08_EKDL230054768-1A_22HFKNLT3_L4_1.fq.gz
/foo/bar/bazz/JMA01023D_E09/JMA01023D_E09_EKDL230054768-1A_22HFKNLT3_L4_1.fq.gz
/foo/bar/bazz/JMA01022D_E06/JMA01022D_E06_EKDL230054767-1A_22HF2WLT3_L7_1.fq.gz
/foo/bar/bazz/JMA01001D_A01/JMA01001D_A01_EKDL230054750-1A_222T7MLT4_L1_1.fq.gz
/foo/bar/bazz/JMA01001D_A02/JMA01001D_A02_EKDL230054750-1A_222T7MLT4_L1_1.fq.gz

期望输出：

JMA01001D_A01 JMA01001D_A02 JMA01022D_E06
JMA01023D_E07 JMA01023D_E08 JMA01023D_E09

可行解决方案 #

方案1：纯Awk处理（推荐，简洁且支持空格） #

find "$@" -iname '*_1.fq.gz' -print0 | sort -z | awk -v RS='\0' '{
    # 移除文件名，得到父目录完整路径
    sub(/\/[^\/]+$/, "", $0)
    # 移除父目录前的所有路径，仅保留目录名
    sub(/.*\//, "", $0)
    # 将目录名存入数组
    arr[NR] = $0
}
END {
    # 按每3个一组输出
    for (i=1; i<=NR; i++) {
        printf "%s%s", arr[i], (i%3==0 ? "\n" : " ")
    }
    # 处理最后一组不足3个的情况，补换行
    if (NR%3 != 0) print ""
}'

方案2：结合dirname、basename与xargs #

find "$@" -iname '*_1.fq.gz' -print0 | sort -z | \
xargs -0 -n1 sh -c 'basename "$(dirname "$1")"' _ | \
xargs -0 -n3 awk '{printf "%s ", $0} END{print ""}'

• 步骤解析：
  1. dirname "$1" 获取文件的父目录完整路径
  2. basename 提取父目录的名称
  3. xargs -n3 每3个目录名一组，用Awk格式化为空格分隔的行

方案3：Awk分割路径数组实现 #

find "$@" -iname '*_1.fq.gz' -print0 | sort -z | awk -v RS='\0' -v ORS=' ' '{
    # 按/分割路径，取倒数第二个元素（父文件夹名）
    split($0, path_parts, "/")
    dir_name = path_parts[length(path_parts)-1]
    print dir_name
    # 每3个输出后换行
    if (NR % 3 == 0) {
        print "\n"
        ORS = " "
    }
}' | sed -z '$ s/ $/\n/'

• 最后用sed移除末尾多余的空格并补换行，保证输出格式整洁

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