如何用Bash从两种格式文件名中提取子串与版本号？

针对你遇到的两种文件名格式：

example-substring-1.1.0.tgz
example-substring-1.1.0-branch-name.tgz

以下提供两种可靠的提取方案，最终可将子串（前缀）和版本号存入关联数组。

方案1：Bash参数展开（推荐，无需外部工具） #

利用Bash内置的字符串处理能力，无需调用sed等外部命令，效率更高：

步骤分解 #

1. 移除文件名的.tgz后缀：

   base=${filename%.tgz}
   

2. 提取版本部分（包含分支名）：
   通过匹配最后一个非数字字符后的连字符，截取后续所有内容（即从第一个数字开始的版本部分）：

   version=${base##*[^0-9]-}
   

3. 提取前缀（子串）：
   从移除后缀的字符串中，去掉版本部分及其前面的连字符：

   prefix=${base%-${version}}
   

4. 存入关联数组：

   example_array["$prefix"]="$version"
   

测试验证 #

• 对example-substring-1.1.0.tgz：
  prefix为example-substring，version为1.1.0
• 对example-substring-1.1.0-branch-name.tgz：
  prefix为example-substring，version为1.1.0-branch-name

方案2：改进版sed命令 #

如果偏好使用sed，可通过正则匹配版本的起始特征（数字开头）来适配两种格式：

提取命令 #

read raw_prefix version <<< $(echo "$filename" | sed -E 's/^(.+-)([0-9].*)\.tgz$/\1 \2/')
prefix=${raw_prefix%-}  # 移除前缀结尾的多余连字符

存入关联数组 #

example_array["$prefix"]="$version"

完整脚本示例 #

#!/bin/bash

declare -A example_array

# 待处理文件列表
files=(
    "example-substring-1.1.0.tgz"
    "example-substring-1.1.0-branch-name.tgz"
    "foo-bar-baz-2.3.4.tgz"
    "foo-bar-baz-2.3.4-test-branch.tgz"
)

for filename in "${files[@]}"; do
    # 使用方案1的参数展开方法
    base=${filename%.tgz}
    version=${base##*[^0-9]-}
    prefix=${base%-${version}}
    
    example_array["$prefix"]="$version"
done

# 打印结果
for key in "${!example_array[@]}"; do
    echo "example_array[\"$key\"]=\"${example_array[$key]}\""
done

运行输出 #

example_array["example-substring"]="1.1.0-branch-name"
example_array["foo-bar-baz"]="2.3.4-test-branch"

注意：Bash关联数组的键具有唯一性，若存在相同前缀的文件，后处理的条目会覆盖之前的。若需保留所有条目，可改用索引数组或给键添加唯一标识。

内容的提问来源于stack exchange，提问作者cybersnow1989