Regex 为什么sed不'；是否打印可选组？

我有两个字符串，分别是foo\u bar和foo\u abc\u bar。我想将两者匹配，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

但正如上面的输出所示，它们都不起作用

---

如何指定一个可选组，如果字符串包含该组，则该组将匹配，如果不包含，则跳过该组？

解决方案：

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

您以前的尝试失败的原因：

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

*

是贪婪的，因此对于正则表达式

（foo）。*（abc）？*（bar）

尝试匹配

“foo\u abc\u bar”

时，

（foo）

将匹配

“foo”

，然后

*

将首先匹配字符串的其余部分（

“u abc\u bar”

）。正则表达式将继续运行，直到到达所需的

（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。直到第一个

*

仅匹配

“abc”

，最后一组才可以匹配

“bar”

。因此，不是在捕获组中匹配字符串中的

'abc'

，而是在非捕获组中匹配

我的解决方案说明：

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

首先也是最重要的一点是将

*

替换为

.

，如果您知道分隔符是什么，则无需匹配任何任意字符串。我们需要做的下一件事是准确地找出字符串的哪一部分是可选的。如果字符串<代码>“FuixAbcBar Bar”和 > FooWiBar 都是有效的，那么中间的<代码> 'abc'’/CODE >是可选的。我们可以使用

（abc？）

将其放入可选组。最后一步是确保在捕获组中仍然有字符串

'abc'

，我们可以通过将该部分包装到另一个组中来完成，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，所以我们使用

\1=\2=\3=\4

，而不是

\1=\3=\4

，

\2

将是字符串

'abc'

（如果匹配）。请注意，在大多数regex实现中，您也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

另一种选择：

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

我认为上面的正则表达式是最好的选择，因为它是最显式的（它将只匹配您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。您可以通过将

*

更改为

*？

来完成此操作，因此您的表达式如下所示：

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

---

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=

---

这避免了使用

foo==bar

时出现的

foo==bar

，我发现在匹配前有时在匹配后使用

=

来显示强调有点奇怪。

为什么在表达式中使用

*

，下划线可以用任意字符串替换吗？