为什么sed不打印可选组？

Question

我有两个字符串,比如foo_bar和foo_abc_bar.我想匹配它们,如果第一个匹配,我想用=符号强调它.所以,我的猜测是:

echo 'foo_abc_bar' | sed -r 's/(foo).*(abc)?.*(bar)/\1=\2=\3/g'
> foo==bar

要么

echo 'foo_abc_bar' | sed -r 's/(foo).*((abc)?).*(bar)/\1=\2=\3/g'
> foo==

但是,由于上面的输出显示它们都不起作用.

如果字符串包含它,我如何指定一个匹配的可选组,否则只是跳过？

Answer 1

解决方案:

echo 'foo_abc_bar' | sed -r 's/(foo)_((abc)_)?(bar)/\1=\3=\4/g'

为什么以前的尝试不起作用:

.*是贪婪的,所以对于正则表达式(foo).*(abc)?.*(bar)试图匹配'foo_abc_bar'的(foo)匹配'foo',然后.*将首先匹配字符串的其余部分('_abc_bar').正则表达式将继续,直到它到达所需的(bar)组,这将失败,此时正则表达式将通过放弃已匹配的字符来回溯.*.这将发生,直到第一个.*匹配'_abc_',此时最终组可以匹配'bar'.因此,不是'abc'在捕获组中匹配的字符串中,而是在非捕获中匹配.*.

解释我的解决方案:

第一个也是最重要的是替换.*with _,如果你知道分隔符将是什么,就不需要匹配任何字符串.接下来我们需要做的是确切地确定字符串的哪个部分是可选的.如果字符串'foo_abc_bar'和'foo_bar'都是有效的,那么'abc_'中间是可选的.我们可以将它放在一个可选的组中使用(abc_)?.最后一步是确保我们仍然'abc'在捕获组中有字符串,我们可以通过将该部分包装在另一个组中来完成,因此我们最终得到了((abc)_)?.然后我们需要调整替换,因为有一个额外的组,所以不是\1=\2=\3我们使用\1=\3=\4,\2将是字符串'abc_'(如果它匹配).请注意,在大多数正则表达式实现中,您也可以使用非捕获组并继续使用\1=\2=\3,但是sed不支持非捕获组.

替代:

我认为上面的正则表达式是你最好的选择,因为它是最明确的(它只会匹配你感兴趣的确切字符串).但是,你也可以通过使用延迟重复(匹配尽可能少的字符)而不是贪婪重复来避免上述问题(尽可能多地匹配字符).你可以通过改变.*to 来做到这一点.*?,所以你的表达式看起来像这样:

echo 'foo_abc_bar' | sed -r 's/(foo).*?(abc).*?(bar)/\1=\2=\3/g'