Question

我有两个字符串，例如 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

或

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。

我如何指定一个可选的组，如果字符串包含它将匹配，或者只是跳过，如果没有？

Answer 1

解决方案：

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

为什么之前的尝试无效：

.*贪婪，因此对于尝试匹配(foo).*(abc)?.*(bar)的正则表达式'foo_abc_bar'，(foo)将匹配'foo'，然后.*最初将匹配字符串的其余部分（'_abc_bar'）。正则表达式将一直持续到达到所需的(bar)组，这将失败，此时正则表达式将通过放弃已与.*匹配的字符来回溯。这将在第一个.*仅匹配'_abc_'之前发生，此时最终的组可以匹配'bar'。因此，不是在捕获组中匹配字符串中的'abc'，而是在非捕获.*中匹配它。

解释我的解决方案：

第一个也是最重要的是用.*替换_，如果你知道分隔符是什么，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'都有效，则中间的'abc_'是可选的。我们可以使用(abc_)?将其放在可选组中。最后一步是确保我们在捕获组中仍然有字符串'abc'，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((abc)_)?。然后，我们需要调整替换，因为有一个额外的组，因此我们使用\1=\2=\3代替\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，你也可以通过使用延迟重复（匹配尽可能少的字符）而不是贪婪的重复来避免上述问题（尽可能多地匹配字符）。您可以将.*更改为.*?来执行此操作，因此您的表达式将如下所示：

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

Answer 2

也许你可以简单地使用：

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

> foo=abc=bar=
> foo=bar=

这可以避免使用foo==bar foo_bar，我发现在比赛开始前有时候=显示强调有点奇怪，有时在比赛结束后。

为什么sed不打印可选组？

2 个答案: