基于Bash脚本提取并排序文件名中日期与后缀的技术咨询

没问题！我来手把手教你用cut、sed、sort（再加个常用的uniq做去重）实现你的需求，分两部分拆解，每步都给具体命令和解释：

首先得明确你的文件名格式，比如常见的report_2024-05-15.pdf、data_20240514.csv这类，我分两种场景给你方案：

场景1：日期是固定分隔符的字段 #

如果日期是文件名里用固定符号（比如下划线、连字符）分隔的某一段，比如前缀_YYYY-MM-DD.后缀，用cut最直接：

# 列出所有目标文件（比如所有txt、csv），提取第2个下划线后的字段，排序去重后存入文件
ls *.txt *.csv | cut -d '_' -f 2 | sort | uniq > unique_sorted_dates.txt

• ls *.txt *.csv：列出你需要处理的所有文件
• cut -d '_' -f 2：按下划线_分割文件名，提取第2个字段（就是日期部分）
• sort：对提取出的日期排序（YYYY-MM-DD格式的话，普通字典序和日期顺序一致，完美适配）
• uniq：去除重复的日期（注意uniq必须接在sort后面，因为它只识别连续的重复项）
• > unique_sorted_dates.txt：把结果写入指定文件，不需要的话可以删掉这部分直接输出到终端

场景2：日期是固定格式的字符串（位置不固定） #

如果日期在文件名里的位置不固定，但格式是YYYY-MM-DD或者YYYYMMDD，用sed正则捕获更靠谱：

# 用正则匹配YYYY-MM-DD格式的日期，排序去重后保存
ls *.pdf *.xlsx | sed -E 's/.*([0-9]{4}-[0-9]{2}-[0-9]{2}).*/\1/' | sort | uniq > dates.txt

• sed -E 's/.*([0-9]{4}-[0-9]{2}-[0-9]{2}).*/\1/'：用扩展正则匹配任意字符后接4位数字-2位数字-2位数字的日期，把整个文件名替换成捕获到的日期部分
• 后面的sort和uniq作用和上面一样

提取后缀同样分两种情况，适配普通后缀和多级后缀（比如.tar.gz）：

方案1：提取所有后缀（含多级） #

如果要保留.tar.gz这种完整后缀，用cut取最后一个点之后的所有内容：

# 提取所有目标文件的后缀，去重排序后保存
ls *.txt *.tar.gz *.pdf | cut -d '.' -f 2- | sort | uniq > sorted_extensions.txt

• cut -d '.' -f 2-：按点.分割文件名，从第2个字段开始取到最后，这样.tar.gz会被完整提取成tar.gz

方案2：仅提取最后一级后缀 #

如果只需要最后一级后缀（比如.tar.gz只取gz），用sed更简单：

# 提取最后一级后缀，排序后保存（不需要去重就删掉uniq）
ls *.txt *.tar.gz *.csv | sed -E 's/.*\.//' | sort | uniq > extensions.txt

• sed -E 's/.*\.//'：把文件名中最后一个点.之前的所有内容替换为空，留下最后一级后缀

• 如果文件名里有空格，别用ls，换成find避免出错：比如find . -maxdepth 1 -type f -name "*.*"代替ls *.txt
• 如果日期格式是DD/MM/YYYY这种非标准格式，排序时要指定规则：sort -k1.7,1.10 -k1.4,1.5 -k1.1,1.2（先按年排序，再按月，最后按日）
• 要处理子目录里的文件？把ls换成find . -type f -name "你的文件匹配模式"就行，比如find . -type f -name "*.log"

内容的提问来源于stack exchange，提问作者Celentano