正则表达式查找/替换在第一个单词后停止

Question

如果将\ g设置为global，为什么字符串中只有“ the”之一被替换？

sed -E 's/(^|_)(the|an|is)(_|$)/\1/g' <<< "the_the_river"
= the_river

Answer 1

如上所述，问题是后面的_被消耗了。为避免重叠的匹配，您需要lookarounds或word boundaries。不能使用\<，\>或某些版本\b之类的单词边界，因为下划线属于单词字符。

替代项可以是使用支持环视的PCRE的perl one-liner。

perl -pe 's/(?<![^_])(?:the|an|is)(?:_|$)//g' <<< "the_the_river"

  

河

• (?<![^_])是一个否定的后缀，用于检查单词之前是否没有任何字符besides下划线。它在开始或下划线之前的任意位置匹配。
• (?:the|an|is)是non-capturing group alternating的不同词。
• (?:_|$)假设您要删除（使用）单词后的下划线。

See regex101 for testing the pattern