Bash下按制表符拆分字符串为数组并处理字段的问题

需求说明 #

需要处理来自MySQL执行结果的字符串，满足以下要求：

• 按制表符(\t)拆分为数组，必须保留连续制表符对应的空字段（包括开头、中间、结尾的空字段）
• 字段内的转义序列\t和\n需转换为真实的制表符和换行符
• 将字符串中的\r\n替换为\n

原方案的问题 #

原函数使用read -a结合IFS=$'\t'拆分，但read命令默认会忽略开头的空字段、合并连续的分隔符，导致空字段丢失，无法满足需求。

解决方案 #

利用awk的字段拆分特性（默认保留所有空字段）处理拆分和转义，再通过空字符(\0)作为临时分隔符读取到数组中，确保包含换行符的字段也能正确捕获。适配Bash 4.2.46版本的实现如下：

function MySQL__Untreated_String_To_Treated_Array() {
    local pstr_untreated_string="$1"
    gtReturnFonction=()

    # 1. 替换\r\n为\n，处理\r为\n；2. awk拆分制表符、处理转义、用\0分隔输出
    local processed_output
    processed_output=$(printf "%s" "$pstr_untreated_string" | 
        sed -e 's/\r\n/\n/g' -e 's/\r/\n/g' | 
        awk '
            BEGIN {
                FS = "\t"
                OFS = "\0"  # 用空字符作为字段分隔符，避免与字段内容冲突
            }
            {
                for (i=1; i<=NF; i++) {
                    # 转换字段内的转义序列
                    gsub(/\\t/, "\t", $i)
                    gsub(/\\n/, "\n", $i)
                    # 输出字段，最后一个字段后加换行
                    printf "%s%s", $i, (i == NF ? "\n" : OFS)
                }
            }
        ')

    # 读取用\0分隔的字段到数组，保留字段内的换行符
    while IFS= read -r -d '' field; do
        gtReturnFonction+=("$field")
    done <<< "$processed_output"

    # 处理输入结尾为空字段的情况（如输入以制表符结尾）
    if [[ "$processed_output" =~ $'\0'$'\n'$ ]]; then
        gtReturnFonction+=("")
    elif [[ -z "$processed_output" ]]; then
        gtReturnFonction+=("")
    fi
}

测试验证 #

测试用例1：空输入 #

MySQL__Untreated_String_To_Treated_Array ""
echo "数组长度：${#gtReturnFonction[@]}"  # 输出：1
echo "第一个字段：'${gtReturnFonction[0]}'"  # 输出：''

测试用例2：单个制表符输入 #

MySQL__Untreated_String_To_Treated_Array $'\t'
echo "数组长度：${#gtReturnFonction[@]}"  # 输出：2
echo "字段1：'${gtReturnFonction[0]}'"  # 输出：''
echo "字段2：'${gtReturnFonction[1]}'"  # 输出：''

测试用例3：两个连续制表符输入 #

MySQL__Untreated_String_To_Treated_Array $'\t\t'
echo "数组长度：${#gtReturnFonction[@]}"  # 输出：3
echo "字段1：'${gtReturnFonction[0]}'"  # 输出：''
echo "字段2：'${gtReturnFonction[1]}'"  # 输出：''
echo "字段3：'${gtReturnFonction[2]}'"  # 输出：''

最终测试用例 #

输入：$'\t_SECOND_FIELD_\t\t_FOURTH_\\t_FIELD\t_FIFTH_\n_FIELD_\t'
执行函数后，数组内容：

• 索引0：空字符串
• 索引1：_SECOND_FIELD_
• 索引2：空字符串
• 索引3：_FOURTH_ _FIELD（\t转换为真实制表符）
• 索引4：_FIFTH_换行_FIELD_（\n转换为真实换行）
• 索引5：空字符串

内容的提问来源于stack exchange，提问作者Tom's