在Linux系统中,字符串截取是文本处理的核心操作之一，无论是系统管理、日志分析还是脚本开发，都频繁需要从文本中提取特定部分的内容，Linux提供了多种命令和工具来实现字符串截取，每种方法都有其适用场景和特点，本文将详细介绍这些方法，并结合实例说明其用法。
使用cut命令按列或字符截取
cut命令是Linux中最基础的文本截取工具，主要用于按列（以分隔符为界）或按字符位置提取文本内容，其核心功能是通过指定分隔符或字符范围，从每行中筛选出所需部分。
按列截取（基于分隔符）
当文本以特定分隔符（如冒号、逗号、制表符）分隔时，cut可通过-d指定分隔符，-f指定要提取的列号，处理/etc/passwd文件（以冒号分隔用户信息），提取用户名（第1列）和用户ID（第3列）：
cut -d: -f1,3 /etc/passwd
-d:：指定冒号为分隔符；-f1,3：提取第1列和第3列，逗号分隔多列，-f1-3可表示连续列（1到3列）。
按字符位置截取
若需按字符或字节位置截取,可使用-c（字符）或-b（字节）选项，提取字符串"Hello, World!"的第2到5个字符：
echo "Hello, World!" | cut -c2-5
输出为ello，注意：
-c按字符计数，支持多字节字符（如中文）；-b按字节计数，多字节字符（如UTF-8编码的中文）可能被截断，需谨慎使用。
排除特定列
通过--complement选项可排除指定列，例如提取/etc/passwd中除第2列（密码字段）外的所有列：
cut -d: --complement -f2 /etc/passwd
使用awk命令实现复杂截取
awk是一款强大的文本处理工具，支持模式匹配、条件判断和自定义操作，适合处理复杂格式的文本，其截取功能主要通过字段引用和内置函数实现。
按字段截取（默认以空格分隔）
awk默认将每行按空格/制表符分割为字段，$1、$2分别表示第1、第2字段，提取/etc/passwd中的用户名（$1）和登录Shell（$7）：
awk -F: '{print $1, $7}' /etc/passwd
-F:：指定冒号为分隔符（覆盖默认空格分隔）；{print $1, $7}：打印第1和第7字段，逗号分隔时默认以空格间隔。
使用substr()函数截取子串
awk的substr()函数可按字符位置截取子串，语法为substr(s, start, length)，其中s为字符串，start为起始位置（从1开始），length为截取长度。
echo "2023-10-01" | awk '{print substr($0, 1, 4)}' # 输出年份"2023"
echo "Hello, World!" | awk '{print substr($0, 7, 5)}' # 输出"World"
结合条件截取
awk支持通过条件语句筛选行后再截取，提取/etc/passwd中UID大于1000的用户名和UID：
awk -F: '$3 > 1000 {print $1, $3}' /etc/passwd
使用sed命令基于模式截取
sed（Stream Editor）主要用于流编辑，但可通过正则表达式匹配并提取文本，其截取功能依赖于p（打印）命令和地址定位。
提取匹配行的特定部分
使用sed的s命令结合捕获组（(...)）和替换标记&或1、2等引用捕获内容，提取"IP: 192.168.1.1 Port: 8080"中的IP地址：
echo "IP: 192.168.1.1 Port: 8080" | sed -n 's/.*IP: ([0-9.]+).*/1/p'
-n：取消默认输出；s/.*IP: ([0-9.]+).*/1/：匹配IP:后的数字点序列（捕获组1），并替换为捕获内容；p：打印替换后的结果。
提取指定行范围的字段
结合地址定位和sed的y/s命令，可提取多行的特定部分，提取文件第2到第5行的第1列：
sed -n '2,5p' file.txt | awk '{print $1}'
使用Shell变量扩展（）截取
在Shell脚本中,通过变量扩展可直接截取字符串变量，无需调用外部命令，效率较高。
按字符位置截取
语法为${var:start:length}，其中start为起始索引（从0开始），length为截取长度，省略length则截取到末尾。
str="Hello, World!"
echo ${str:0:5} # 输出"Hello"（从0开始截取5个字符）
echo ${str:7} # 输出"World!"（从第7个字符截取到末尾）
按模式截取（删除匹配部分）
通过（前缀匹配，最短）、（前缀匹配，最长）、（后缀匹配，最短）、（后缀匹配， longest）可删除匹配模式并保留剩余部分。
file="test.txt.bak"
echo ${file#*.} # 输出"txt.bak"（删除第一个点及之前内容）
echo ${file##*.} # 输出"bak"（删除最后一个点及之前内容）
echo ${file%.*} # 输出"test.txt"（删除最后一个点及之后内容）
echo ${file%%.*} # 输出"test"（删除第一个点及之后内容）
不同工具的适用场景对比
为方便选择,以下表格总结各工具的特点和适用场景：
| 工具 | 适用场景 | 优点 | 缺点 |
|---|---|---|---|
cut |
简单按列/字符截取，固定分隔符文本 | 语法简单，速度快 | 功能单一，不支持复杂模式匹配 |
awk |
复杂文本处理，条件截取，字段计算 | 支持正则、条件判断、数学运算 | 语法稍复杂，学习成本较高 |
sed |
基于模式匹配的截取，流式处理 | 适合替换和提取匹配片段 | 需配合正则，易出错 |
| Shell脚本变量截取，无需外部命令 | 效率高，适合字符串操作 | 仅限变量，无法处理文件内容 |
Linux字符串截取方法多样,需根据具体场景选择：
- 简单列提取优先用
cut； - 复杂格式或条件截取用
awk； - 基于正则模式匹配用
sed； - Shell脚本变量操作用。
掌握这些工具后，可灵活应对各类文本处理需求，提升工作效率。
FAQs
问题1：如何从文件中提取每行的前5个字符？
解答：可使用cut或awk，提取file.txt每行前5个字符：
cut -c1-5 file.txt # 方法1：cut按字符截取
awk '{print substr($0, 1, 5)}' file.txt # 方法2：awk的substr函数
问题2：如何截取变量中最后一个点后面的内容（如从”file.txt”中提取”txt”）？
解答：使用Shell变量扩展的或模式删除匹配部分。
file="file.txt"
echo ${file##*.} # 输出"txt"（删除最后一个点及之前内容）
# 或使用%%（从后匹配最短模式，但需确保唯一性）
echo ${file%.*} # 输出"file"（删除最后一个点及之后内容，反向操作）
原创文章，发布者：酷番叔，转转请注明出处：https://cloud.kd.cn/ask/31737.html
