Question

我目前正在处理一些遗留代码（java项目），并且许多变量（15k）的第一个字符都带有下划线，例如：

_iAmAInt //should be iAmInt

（所有要替换的变量均以_开头，后跟小写字母）

所以我想我会尝试使用带有sed和regex的小脚本来清理它，到目前为止，这是我所拥有的：

while IFS= read -r -d '' file; do
   if [[ $file == *.java ]]; then 

        sed -i -E 's/([_])([a-z])/\2/g' $file

    fi  
done < <(find "$1" -type f -print0)

问题是在某些情况下，我有一些字符串（例如查询），其内容如下："select house_id from houses"

我当前的正则表达式没有考虑到这一点，但是显然我需要以某种方式指定不要删除“”之间的_。

从我所读的书中，我可以使用负向超前（Regex: match everything but specific pattern）

但是我不确定这是否可以完全解决我的问题，即使整个过程是一个好主意？

欢迎任何提示或反馈，关于如何进行以及做什么或不做什么！谢谢

编辑：是的，代码是Java，并且SonarQube将此标记为问题（尽管这不是很关键）

编辑2：感谢您提供所有答案和评论，我学到了很多东西，我会尝试一下，确保选择一个作为有效答案！

Answer 1

> sed -E 's/("([^"\\]|\\.)*")|_([a-z0-9]+)|([a-z][a-z0-9_]+)/\1\3\4/g'
foo _bar foo_bar " \" _zoo \" "
foo bar foo_bar " \" _zoo \" "

第一组捕获字符串文字，第三组捕获以下划线开头但不带下划线的标识符，第四组捕获所有其他标识符。第四组需要避免在标识符中间删除下划线。

Answer 2

尽管我在评论中指出，sed的正则表达式对于这项工作来说有点缺乏，但我意识到sed仍然可以做到此事而没有太多的困惑。诀窍是首先保护要保留的下划线，然后删除下划线，然后还原受保护的下划线。如果可以的话，可以使用一种有机化学方法来解决这个问题。

为此，您可以依靠以下事实：除非使用sed命令，否则sed的模式空间中将永远不会有一个字符：换行符。 sed在输入上剥离它们，（通常）在输出上发出新的，但是如果它们确实出现在模式空间中，那么它们就不是特别的了。所以考虑一下：

sed -i -e 's/([^ \t])_/\1\n/g; s/_([a-z])/\1/g; s/\n/_/g' "$file"

执行了三个替换：

每个紧跟空格或制表符的下划线都用换行符代替；
（原始正则表达式的一种变体：）删除每个下划线和小写拉丁字母；和
每个换行符都用下划线代替。

再次记住，sed在输入上去除换行符，并在普通输出上追加新行，因此（3）中唯一可替换的换行符是（1）中引入的那些用于隐藏下划线的换行符想要保护免受（2）中的替换。

Answer 3

请注意，您可能有一个变量，例如_return，在其中删除_会导致一个关键字。

此操作可以使用perl轻松完成，因为PCRE比sed正则表达式具有更多功能。

示例

要grep，只需显示匹配项即可。

# where ... are find options e.g. `-name '*.java'`
find "$1" -type f ... -exec perl -ne 'print "$ARGV:$_" if /"(?:\\.|[^"])*"(*SKIP)(?!)|\b_[a-z]/' {} +

更改文件：（{-i像sed -i.bak一样，默认情况下在perl中将原始文件移动到.bak）

find "$1" -type f ... -exec perl -i -pe 's/"(?:\\.|[^"])*"(*SKIP)(?!)|\b_(?=[a-z])//g' {} +

还原：替换为.bak个文件

find "$1" -type f ... -name '*.bak' -exec bash -c 'for f; do mv "$f" "${f%.bak}"; done' bash {} +

删除.bak文件

find "$1" -type f ... -name '*.bak' -delete

正则表达式的工作原理

"(?:\\.|[^"])*"：匹配可能包含\"序列的字符串文字“ ..”
(*SKIP)(?!)|：回溯关键字以放弃此匹配项：
- (*SKIP)防止在匹配字符串中当前位置之前回溯
- (?!)匹配失败
- |尝试与以下模式匹配
\b_(?=[a-z])：匹配_，其后跟单词边界（作为单词字符，后跟非单词字符），再跟小写字母（[a-z]）

使用sed删除变量名中的_

3 个答案: