使用 Bash 从文件中随机提取一定长度的子字符串答案

【问题标题】：Extract substrings with certain length randomly from a file with Bash使用 Bash 从文件中随机提取一定长度的子字符串
【发布时间】：2017-08-20 15:43:01
【问题描述】：

我有多个文本文件，我需要从每个文件中提取具有一定长度的随机连续子字符串。

例如，我需要提取 5 个随机子串，每个子串包含 3 个连续字符，或者 4 个随机子串，每个子串包含 20 个字符。

实际上，我们假设这是其中一个文件的内容

Welcome to stackoverflow the best technical resource ever

所以如果我想要五个随机子字符串，每个子字符串由 3 个字符组成，我希望输出如下所示：

elc
sta
tec
res
rce

非常感谢您的帮助。

【问题讨论】：

如果最长的单词比这短，你打算如何获得 20 个连续的字符？您是否连接单词以消除空格？
我不关心某些单词，空格对我来说是可以接受的字符。
例如，如果我想要 10 个随机字符，那么这些是可以接受的：“Welcome to” “stackoverf” “best tech”

标签： bash random substring

【解决方案1】：

awk 来救援！

awk -v n=5 -v s=3  'BEGIN {srand()}
                          {len=length($0); 
                           for(i=1;i<=n;i++) 
                              {k=rand()*(len-s)+1; printf "%s\t", substr($0,k,s)}
                               print ""}' file

提取的子串中可能有空格

【讨论】：

我收到这个错误：./script.sh: line 3: syntax error near unexpected token (' ./script.sh: line 3: awk -vn=5 -vs=3 ''BEGIN {srand()}'跨度>
BEGIN前面有两个单引号，应该只有一个。

【解决方案2】：

创建一个函数来选择一个随机子字符串：

random_string() {
  line=$1
  length=$2
  # make sure we start at a random position that guarantees a substring of given length
  start=$((RANDOM % ((${#line} - $length))))
  # use Bash brace expansion to extract substring
  printf '%s' "${line:$start:$length}"
}

循环使用函数：

#!/bin/bash

while IFS= read -r line; do
  random1=$(random_string "$line" 3)
  random2=$(random_string "$line" 20)
  printf 'random1=[%s], random2=[%s]\n' "$random1" "$random2"
done < file

在file 中包含内容Welcome to stackoverflow the best technical resource ever 的示例输出：

random1=[hni], random2=[low the best technic]
random1=[sta], random2=[e best technical res]
random1=[ove], random2=[ackoverflow the best]
random1=[rfl], random2=[echnical resource ev]
random1=[ech], random2=[est technical resour]
random1=[cal], random2=[ome to stackoverflow]
random1=[tec], random2=[o stackoverflow the ]
random1=[l r], random2=[come to stackoverflo]
random1=[erf], random2=[ stackoverflow the b]
random1=[me ], random2=[ the best technical ]
random1=[est], random2=[ckoverflow the best ]
random1=[tac], random2=[tackoverflow the bes]
random1=[e t], random2=[o stackoverflow the ]
random1=[al ], random2=[come to stackoverflo]

【讨论】：

非常感谢，效果很好，但有一个问题，许多末尾有空格的字符串都被删除了！
IFS= 在 read -r 中丢失。添加了这一点，这将解决尾随空格问题。