Bash提取指定关键字后首词实现：获取Shell脚本依赖命令

需求说明 #

需要编写Bash脚本分析其他Bash脚本的全部依赖项，提取规则如下：

• 输出每行换行后的第一个词
• 输出管道符|之后出现的第一个词
• 输出子shell标识$(之后出现的第一个词
• 忽略所有注释内容
• 通用要求：可输出任意指定<key>之后出现的第一个词

示例参考 #

输入脚本内容 #

#!/bin/bash
# My script
printf "Hello World\n" # First line
strings <<< "Hello World" | awk '{print $1}' | sed 's/Hello/Goodbye/'
echo $(cat <<< "Hello World")

期望输出 #

printf
strings
awk
sed
echo
cat

现有实现问题 #

当前实现需要多次遍历文件，性能较低，现有代码：

sed 's/|/\n/g; s/#/\n#/g; s/\$(/\n/g' ${FILENAME} \
  | sed 's/^[ \t]*//; /^#/d' \
  | awk '{print $1}' \
  | sort -u

优化实现（单次遍历） #

直接用awk单次处理即可，一次遍历完成所有规则匹配、注释过滤、结果输出：

awk '
{
    # 先删除当前行的所有注释内容
    sub(/#.*/, "")
    # 按管道符、子shell标识分割当前行
    n = split($0, parts, /\||\$\(/)
    for (i=1; i<=n; i++) {
        # 去除片段前后的空白字符
        gsub(/^[ \t]+|[ \t]+$/, "", parts[i])
        # 提取片段第一个有效命令词
        if (parts[i] ~ /^[a-zA-Z0-9_\-\/]/) {
            split(parts[i], words, /[ \t]/)
            if (words[1] != "") print words[1]
        }
    }
}
' "${FILENAME}" | sort -u

优化说明 #

• 全程仅读取文件1次，所有逻辑在同一个awk进程内完成，相比原实现减少了多进程管道开销和多次IO读取开销，大文件下性能提升明显
• 注释过滤逻辑更严谨：直接删除每行#之后的所有内容，不会误处理字符串中包含的#字符
• 规则可扩展性强：需要新增匹配规则时，直接修改split的正则分隔符即可，不需要新增遍历逻辑
• 自动忽略空片段、特殊开头的无效内容，避免输出空行或错误结果

内容的提问来源于stack exchange，提问作者Lenna