Bash Shell读取文本赋值时的复杂分隔符问题求解

问题背景 #

使用Bash的read循环读取文本文件时，需要提取域名、关键词、标题三个变量，但变量值本身包含空格和-，默认以空格作为分隔符会导致内容被错误拆分，无法正确提取目标变量。

输入文件（file.txt）内容 #

domain_wisgene.com  keyword谷歌搜索 - This,is,keyword,google,search,awesome    title谷歌搜索 - Google,Search,is,Awesome

当前使用的错误代码 #

while IFS= read -r -d '' now_list_url now_list_keyword now_list_title; do
  # Do something with the variables here
    
echo "domain_name：${now_list_url}"
echo "Key words：${now_list_keyword}"
echo "title：${now_list_title}"

done <file.txt

当前错误输出 #

#domain
domain_name：domain_wisgene.com
#keywords
Key words：keyword谷歌搜索
#title
title：- This,is,keyword,google,search,awesome   title谷歌搜索 - Google,Search,is,Awesome

期望正确输出 #

domain_name：domain_wisgene.com
Key words：keyword谷歌搜索 - This,is,keyword,google,search,awesome
title：title谷歌搜索 - Google,Search,is,Awesome

解决方案 #

根据文本格式的固定特征（域名是第一个字段，关键词以keyword开头，标题以title开头），提供两种可靠的提取方案：

方案一：纯Bash正则匹配（推荐） #

利用Bash的正则表达式匹配能力，精准拆分三个变量，无需依赖外部工具：

while IFS= read -r line; do
    # 正则匹配拆分域名、关键词、标题
    if [[ $line =~ ^([^[:space:]]+)\ +(keyword.*?)\ +(title.*)$ ]]; then
        now_list_url="${BASH_REMATCH[1]}"
        now_list_keyword="${BASH_REMATCH[2]}"
        now_list_title="${BASH_REMATCH[3]}"
        
        # 输出提取结果
        echo "domain_name：${now_list_url}"
        echo "Key words：${now_list_keyword}"
        echo "title：${now_list_title}"
    fi
done < file.txt

正则说明：

• ^([^[:space:]]+)：匹配行首所有非空格字符，即域名
• \ +：匹配一个或多个空格作为分隔符
• (keyword.*?)：非贪婪匹配从keyword开头到下一个title前的所有内容（确保不包含标题部分）
• (title.*)$：匹配从title开头到行尾的所有内容，即标题

方案二：Awk工具实现 #

适合处理更复杂的文本格式，通过遍历字段定位拆分点：

awk '{
    # 遍历字段找到"title"的起始位置
    for(i=1; i<=NF; i++) {
        if ($i == "title") {
            title_pos = i
            break
        }
    }
    
    # 提取域名（第一个字段）
    domain = $1
    
    # 提取关键词（从第2个字段到title前一个字段）
    keyword = ""
    for(j=2; j<title_pos; j++) {
        keyword = keyword $j " "
    }
    keyword = substr(keyword, 1, length(keyword)-1)  # 移除末尾多余空格
    
    # 提取标题（从title字段到末尾）
    title = ""
    for(j=title_pos; j<=NF; j++) {
        title = title $j " "
    }
    title = substr(title, 1, length(title)-1)  # 移除末尾多余空格
    
    # 输出结果
    print "domain_name：" domain
    print "Key words：" keyword
    print "title：" title
}' file.txt

注意事项 #

• 确保文本每行格式固定：域名是第一个字段，关键词以keyword开头，标题以title开头，且title在每行中仅出现一次
• 两种方案均支持多个连续空格作为分隔符

内容的提问来源于stack exchange，提问作者st la