通常来说，使用 shell 脚本时候不需要太顾及程序的效率性，能完成任务，只要不是太慢，都可以接受。
但在一些特定应用场合，脚本效率也是一个硬性限制，不能耗时太久，比如说，用 shell 来编写一些处理 HTTP 请求的 CGI 程序，脚本的执行效率直接影响了 HTTP 的响应速度。
在 shell 中分割字符串有多种方法，比如利用 awk、cut 工具，还有内置方法，虽然效果相同，但是执行效率差距较大，尤其在处理大数据量上更是显著。
用 cut 工具分割字符串一般是以下用法：
1
2
|
# -f 指定列序号 -d 指定分隔符
echo $line | cut -f1 -d ' '
|
用 awk 工具分割字符串类似：
1
2
3
|
# $1 代表第一列 以此类推
# -F 指定分割符号
echo $line | awk -F ' ' {'print $1'}
|
内部方法分割字符串，用的是 IFS 变量和 set 命令：
1
2
3
4
5
6
|
# 设置分隔符
IFS=" "
# 分割 line
set -- $line
# $1 代表第一列，以此类推
echo $1
|
在 shell 脚本中，使用 awk/cut 这些工具在运行时会创建 sub-shell 来运行，相当于 C 语言中的 system/popen 调用，当需要使用的次数比较多时，这种调用会显著降低脚本的执行速度（创建进程是比较昂贵的）。
而使用内置方法则无需调用外部工具，执行起来效率更高，没有额外开销。
以处理 1000 行的空格分割的数字并分别累加为例，其文件内容大概如下：
1
2
3
4
5
6
7
8
|
1 25 30 100
2 26 33 102
3 27 36 104
...
999 1023 3024 2096
1000 1024 3027 2098
|
保存为文件 test.data。然后编写2个测试脚本，split1.sh 和 split2.sh。
split1.sh内容如下：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
|
#!/bin/sh
DataFile="test.data"
if [ ! -e $DataFile ]; then
echo "Fail to open file"
exit 1
fi
F1=0
F2=0
F3=0
F4=0
# 设置分割符
IFS=" "
while read line
do
[ -z "$line" ] && continue
set -- $line
F1=$((F1+$1))
F2=$((F2+$2))
F3=$((F3+$3))
F4=$((F4+$4))
done < $DataFile
echo "F1=$F1"
echo "F2=$F2"
echo "F3=$F3"
echo "F4=$F4"
|
split2.sh文件内容如下：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
|
#!/bin/sh
DataFile="test.data"
if [ ! -e $DataFile ]; then
echo "Fail to open file"
exit 1
fi
F1=0
F2=0
F3=0
F4=0
IFS=" "
while read line
do
[ -z "$line" ] && continue
l1=$(echo $line | cut -f1 -d ' ')
l2=$(echo $line | cut -f2 -d ' ')
l3=$(echo $line | cut -f3 -d ' ')
l4=$(echo $line | cut -f4 -d ' ')
F1=$((F1+$l1))
F2=$((F2+$l2))
F3=$((F3+$l3))
F4=$((F4+$l4))
done < $DataFile
echo "F1=$F1"
echo "F2=$F2"
echo "F3=$F3"
echo "F4=$F4"
|
split1.sh使用内置方法，split2.sh使用 cut 工具来处理。在 shell 中运行程序并用 time 命令监控执行时间，会发现速度对比特别显著。
以本人测试电脑为例，内置方法执行输出如下：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
$ time ./split1.sh
F1=500500
F2=524500
F3=1528500
F4=1099000
real 0m0.045s
user 0m0.024s
sys 0m0.020s
$ time ./split2.sh
F1=500500
F2=524500
F3=1528500
F4=1099000
real 0m4.603s
user 0m0.004s
sys 0m0.736s
|
粗略看出执行速度相差 100 倍左右。
备注：因为要获取各列数据累加，所以在脚本2中，使用了4次 cut 调用，相当于字符串分割了4此，而脚本1中只使用了一次字符串分割，这种策略也显著增加了执行开销。可以通过使用数组返回 cut 结果来避免多次调用，但是这得看 shell 环境是否支持，某些情况下是不支持数组的，比如 busybox 的 sh 环境。
（完）