sed regexp 文本处理捕获分组引用交替混淆

Question

sed 的捕获分组 ALTERNATION 未按预期工作。

虽然交替的优先级最低，但这里是混淆：

echo "abcd_aefghi" | sed -r "s/(a)(b)(c)(d)|(a)(e)(f)(g)/\8/g;"

observed result --> _ghi
expected result --> error: invalid reference \8 RHS

a--bcd | # Logical alternation (Not bitwise!!)
#must be different separated logical state processing!! 
#not involvement of look behind registered reference grouping Counting!!
a--efg ;

还

sed -r "s/(a)((b)(c)(d)|(e)(f)(g))/\8/;"
observed result --> _ghi

更多的困惑，如果

sed -r "s/(a)(b)(c)(d)()|((a)(e)(f)(g))/\8/g"

observed result --> _ehi

也更加混乱

sed -r "s/(a)(b)(c)(d)()||||i am Not comment, Whats going here?|||||||((a)(e)(f)(g))/\8/g"

observed result --> _ehi
expected result --> full parsing error, because "||"

最糟糕的是内部分组匹配

echo "aBcB_aCfC" | sed -r "s/(a)((B)(c)(\1)|(C)(f)(\1))/\4/g;"
#Infield twin uppercase's must match!
observed result --> aBcB_aCfC
expected result --> c_f

perl -pe 重复同样的问题！

问题是引用计数超出了交替范围，而不是在识别出交替符号后重置计数。

Fedora 20 上的 sed 版本 4.2.2。

当然，我在这里给出了非常通用的基本问题。

真正的脚本是非常复杂的长文本原始解析。

我最初的目标是打印每个交替质量分组中的第 4 个元素。现在我必须拆分匹配，这显着扩大了代码。

有人可以减少我的困惑吗？

Answer 1

\x扩展到第 x^个捕获组中捕获的内容，捕获组根据正则表达式中左大括号的出现从左到右编号。

echo "abcd_aefghi" | sed -r "s/(a)(b)(c)(d)|(a)(e)(f)(g)/\8/g;"
                               1  2  3  4   5  6  7  8

该正则表达式匹配两次。一次abcd（第 8^个捕获组捕获任何内容）和一次aefg，第 8^个捕获组捕获g. Soabcd被替换为什么都没有，aefg用gand_和hi并且保持不变，所以你得到_ghi了预期的结果。

在：

sed -r "s/(a)(b)(c)(d)()|((a)(e)(f)(g))/\8/g"
          1  2  3  4  5  67  8  9  10

你得到，_ehi因为第 8组现在是^{第 1}组(e)。

sed -r "s/(a)(b)(c)(d)()||||i am Not comment, Whats going here?|||||||((a)(e)(f)(g))/\8/g"
          1  2  3  4  5                                               67  8  9  10

没有什么不同。除了（尽管这不可见）因为||，会有之间空场比赛h，并i在年底额外的一个（多几个有perl）。

基于交替运算符重置数字不会产生非常有用的 API。如果您想扩展到与示例中交替两侧的^第4^个捕获组匹配的内容，您可以随时执行以下操作：

sed -r 's/(a)(b)(c)(d)|(a)(e)(f)(g)/\4\8/g'
          1  2  3  4   5  6  7  8

这会给你与perl's相同的：

perl -lpe 's/(?|(a)(b)(c)(d)|(a)(e)(f)(g))/\4/g'
                1  2  3  4   1  2  3  4

（哪里\4可以扩展到什么(d)或(g)捕获）。