提取“字段”并条带化子字符串

Question

我有一个如下所示的文件名列表。

A006280002.40.D7A5A.msg
A006280002.41.C7E4E.msg
A006280002.42.16362.msg
A006280002.43.C4048.msg
A12960004.1.4D6AC.xls
K00976.1.81F42.pdf

我需要完成两件事。首先，所有这些文件名都以表示客户参考号的代码作为前缀。所有客户参考编号均以单个字母开头，但您可以看到，有些编号具有一致的零填充，有些则不然。

客户端参考是文件名的第一部分，例如A00628。然而，假设有人可能使用过 A0628 或 A628 等变体。根据上面的示例，数据 A12960004.1.4D6AC.xls 的客户端引用为 A1296，因此较短。我不需要或不想修复零填充。

下一部分是紧跟在客户参考号后面的案例参考号，因此使用相同的 A00628 示例，它是 0002。在这种情况下，我们有两个问题，首先，可能很明显，这最终需要两个（或更多） ) 数字（如果客户最终有 10 个或更多案例），例如0011。您还可以看到问题的示例，在某些情况下根本没有提供案例编号，例如K00976.1.81F42.pdf 表示客户参考号 K00976，但没有案例参考号。如果或更准确地说，当遇到其中之一，我希望使用案例参考号 0000。

我想提取客户端引用并将其存储为变量，我想提取案例引用并将其存储为变量，如果没有案例引用，则默认存储 0000 作为案例参考编号值。

我认为所需的解决方案应该处理供客户参考的可变数量的零，虽然案例参考号的位数似乎是一致的，但前导零的数量并不基于客户有多少案例上调。 “查找”案例参考号的方法似乎是找到第一个句点并向后移动四个数字，从而获得完整的案例参考号。如果按照 K00976.1.81F42.pdf 的示例，文件名没有案例参考号，那么此 应该 会失败，并使用值 0000 来代替。

我不需要对文件名的其余部分做任何事情。因此，使用上面的示例列表，所需的结果将是 -

客户参考	案例参考
A00628	0002
A00628	0002
A00628	0002
A00628	0002
A1296	0004
K00976	0000

我对使用什么工具没有任何个人偏好，例如sed、awk 等，但这超出了我有限的 sed 知识。

我确实得到了以下 sed 命令，它仅部分解决了这个问题。

回显“$var”| sed 's/000[0-9].*//g'

如果我们忽略案例参考编号具有多个非零数字的可能性，则这无法处理完全缺少案例编号的文件名。否则它会提取客户参考号。

Answer 1

给定这些文件名：

$ ls -1 *
A006280002.40.D7A5A.msg
A006280002.41.C7E4E.msg
A006280002.42.16362.msg
A006280002.43.C4048.msg
A12960004.1.4D6AC.xls
K00976.1.81F42.pdf

您可以循环遍历文件并使用

gawk

进行拆分，然后分配给两个 bash 变量，如下所示：

for fn in *; do
    read -r client case <<<$(echo "$fn" | gawk -F. '{
                            match($1,/^([A-Z]0*[1-9]*)([0-9]*).*$/,m)
                            if (m[2]) print (m[1],m[2]) 
                            else print (m[1],"0000")}')
    echo "$fn => $client | $case"                            
done   

打印：

A006280002.40.D7A5A.msg => A00628 | 0002
A006280002.41.C7E4E.msg => A00628 | 0002
A006280002.42.16362.msg => A00628 | 0002
A006280002.43.C4048.msg => A00628 | 0002
A12960004.1.4D6AC.xls => A1296 | 0004
K00976.1.81F42.pdf => K00976 | 0000