regex - 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。我想匹配它们两个，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

或

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

但是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，如果不包含则跳过？

Answer 1

解决方案:

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

为什么您之前的尝试没有奏效:

.*是贪婪的，所以对于正则表达式 (foo).*(abc)?.*(bar)试图匹配 'foo_abc_bar' (foo)将匹配 'foo' ，然后是 .*最初将匹配字符串的其余部分 ( '_abc_bar' )。正则表达式将继续，直到达到所需的 (bar)。组，这将失败，此时正则表达式将通过放弃与 .* 匹配的字符来回溯。 .这将发生直到第一个 .*仅匹配 '_abc_' , 此时最后一组可以匹配 'bar' .所以而不是 'abc'在捕获组中匹配的字符串中，它在非捕获组中匹配 .* .

我的解决方案说明:

首先也是最重要的是替换 .*与 _ , 如果您知道分隔符是什么，则无需匹配任何任意字符串。接下来我们需要做的是找出字符串的哪一部分是可选的。如果字符串 'foo_abc_bar'和 'foo_bar'都有效，则 'abc_'中间是可选的。我们可以使用 (abc_)? 将其放入可选组中.最后一步是确保我们仍然拥有字符串 'abc'。在一个捕获组中，我们可以通过将该部分包装在一个额外的组中来做到这一点，所以我们最终得到 ((abc)_)? .然后我们需要调整替换，因为有一个额外的组，所以而不是 \1=\2=\3我们使用 \1=\3=\4 , \2将是字符串 'abc_' (如果匹配)。请注意，在大多数正则表达式实现中，您还可以使用非捕获组并继续使用 \1=\2=\3 , 但 sed 不支持非捕获组。

替代方案:

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，您也可以通过使用惰性重复(匹配尽可能少的字符)而不是贪婪重复(匹配尽可能多的字符)来避免上述问题。您可以通过更改 .* 来做到这一点至 .*? , 所以你的表情看起来像这样:

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