编写Shell脚本用正则匹配开头含多个商品编号的文件名

最终可用正则表达式 #

针对你的需求，适用于Shell环境的正则如下：

^([0-9]{2,}_)+[a-zA-Z0-9_-]+\.(jpg|tif|zip|mp4|psd|eps|flv|mov|png|mp3|bnl|pdf)$

逐段解释规则 #

• ^：锁定文件名开头，确保从最起始位置开始匹配
• ([0-9]{2,}_)+：匹配至少一个商品编号段，对应“多个商品编号”的要求
  • [0-9]{2,}：匹配2位及以上的数字（商品编号主体）
  • _：商品编号之间的分隔下划线
  • +：允许前面的“数字+下划线”组合重复1次或多次（比如123456_、123456_654321_都符合）
• [a-zA-Z0-9_-]+：匹配编号后的标签部分，支持字母、数字、下划线、连字符，至少1个字符
• \.：转义后的点字符（正则中.是通配符，必须转义才能匹配文件名的后缀分隔点）
• (jpg|tif|zip|mp4|psd|eps|flv|mov|png|mp3|bnl|pdf)：精确匹配指定的扩展名列表
• $：锁定文件名结尾，避免匹配不符合扩展名的文件

你之前正则的问题分析 #

你写的([[:digit:]]{2,})+([_])+([[:alnum:]]{3,})+存在几个问题：

1. ([_])+会匹配多个连续下划线，但你的需求是用单个下划线分隔编号
2. 没有限制扩展名，会匹配到任意后缀的文件
3. 结构逻辑错误：强制要求每个数字段后必须跟多个下划线，无法匹配123456_654321这种多编号连写的情况

捕获组的实用用法 #

捕获组就是用()把正则的某一部分包裹起来，核心作用有两个：

1. 重复匹配：比如([0-9]{2,}_)+里的分组，让“数字+下划线”这个单元可以重复多次，实现“多个商品编号”的匹配
2. 提取内容：如果需要单独提取商品编号或标签，捕获组可以帮你精准截取对应部分。比如用sed提取所有开头的商品编号：

   echo "123456_654321_test_tags.jpg" | sed -E 's/^(([0-9]{2,}_)+).*/\1/'
   # 输出结果：123456_654321_
   

Shell中实际使用示例 #

用grep筛选当前目录文件

ls | grep -E '^([0-9]{2,}_)+[a-zA-Z0-9_-]+\.(jpg|tif|zip|mp4|psd|eps|flv|mov|png|mp3|bnl|pdf)$'

用find遍历指定目录匹配文件

find /target/directory -type f -regex '^.*/([0-9]{2,}_)+[a-zA-Z0-9_-]+\.(jpg|tif|zip|mp4|psd|eps|flv|mov|png|mp3|bnl|pdf)$'

（find的正则需要匹配完整路径，所以开头加^.*/匹配路径前缀）

内容的提问来源于stack exchange，提问作者Scamus