如何用Bash脚本从日志文件中提取纯JavaScript文件名？

现有日志文件logfile.txt，需要从中提取仅含.js后缀的纯文件名（如filename.js）。尝试了以下脚本：

for line in $1
do
 grep -F ".js" $1 | awk '{print $7}' | sort -u 
done 

输出结果接近目标但包含路径及参数：

/blog/wp-includes/js/swfobject.js?ver=2.2
/fla/AC_RunActiveContent.js
/include/jquery.js
/include/jquery.jshowoff2.js
/include/jquery.jshowoff.min.js
/include/js/jquery.lightbox-0.5.js
/scripts/ac_runactivecontent.js

改用cut命令（cut -d "/" -f5）替换awk后，出现文件名截断问题：

ac_runactivecontent.js HTTP
AC_RunActiveContent.js HTTP
jquery.jshowoff2.js HTTP
jquery.jshowoff.min.js HTTP
jquery.js HTTP
js
wp-includes

期望得到如下纯文件名：

swfobject.js
AC_RunActiveContent.js
jquery.js
jquery.jshowoff2.js
jquery.jshowoff.min.js
jquery.lightbox-0.5.js
ac_runactivecontent.js

方法1：用awk一次性完成处理 #

利用awk的字符串处理能力，直接提取目标字段并清理路径、参数：

awk '/\.js/ {
    split($7, path_parts, "/");
    fname = path_parts[length(path_parts)];
    sub(/\?.*/, "", fname);
    print fname
}' logfile.txt | sort -u

• /\.js/：只筛选包含.js的行
• split($7, path_parts, "/")：把第7个字段按/分割成数组，拆分路径层级
• path_parts[length(path_parts)]：取数组最后一个元素，即带参数的文件名
• sub(/\?.*/, "", fname)：移除?及后面的所有参数
• sort -u：去重并按序排列结果

方法2：结合grep+sed链式处理 #

先过滤目标行、提取字段，再用sed正则清理路径和参数：

grep -F ".js" logfile.txt | awk '{print $7}' | sed -E 's/.*\/([^/?]+)\?.*/\1/; s/.*\/([^/]+)/\1/' | sort -u

• sed -E 's/.*\/([^/?]+)\?.*/\1/'：匹配带参数的路径，提取/和?之间的纯文件名
• s/.*\/([^/]+)/\1/：处理不带参数的路径，提取最后一个/后的文件名

方法3：用basename+cut组合处理 #

借助basename去掉路径，再用cut截断参数：

grep -F ".js" logfile.txt | awk '{print $7}' | while read line; do basename "$line" | cut -d "?" -f1; done | sort -u

• basename "$line"：直接移除所有路径前缀，保留文件名（含参数）
• cut -d "?" -f1：以?为分隔符，取第一个字段，即去掉参数部分

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