奇怪的 sed 行为

Question

我有这个 POSIX 兼容的 shell 脚本。它采用分隔字符串 w.r.t。 | 并在子字符串前加上 - 如果它们的长度是单个字符：

#!/bin/sh
printf '%s\n' "k|k|jill|hill|k" | sed 's/\([|]\|^\)\([[:alnum:]]\)\([|]\|$\)/-/g'

这输出：

-k|k|jill|hill|-k

注意它没有考虑夹在两个定界符之间的 k（即 |k|）。

更奇怪的是，如果我将原始片段中的特殊字符更改为其他任何字符，它确实会在前面添加 -（请注意更改：^ 到 something；$ 到 different), 但显然不是第一个和最后一个 k:

#!/bin/sh
printf '%s\n' "k|k|jill|hill|k" | sed 's/\([|]\|something\)\([[:alnum:]]\)\([|]\|different\)/-/g'

输出：

k|-k|jill|hill|k

起初我以为是因为 $ 和 ^ 位置字符不是可选的。但是，对于第一个示例中的第一个标志中的 $ 和最后一个标志中的 ^，它们显然是可选的。

我很好奇，为什么这不起作用，我可以用类似的 sed 表达式做我想做的事吗？

Answer 1

引擎无法在中间匹配 k，因为它之前有一个成功的匹配，它的字符 (k|) 在它之前就被消耗掉了，它不能陷入匹配另一个 |。说如果你的输入字符串是：

kk|k|jill|hill|k

您会看到期望的输出。对于解决方法，我建议您设置 -r 选项以使 ERE 语法能够使用单词边界标记：

printf '%s\n' "k|k|jill|hill|k" | sed -r 's/\b([[:alnum:]])(\||$)/-/g'

或更一般地说：

printf '%s\n' "k|k|jill|hill|k" | sed -r 's/\b[[:alnum:]]\b/-[=12=]/g'

Answer 2

请注意，如果将 sed 脚本从全局搜索和替换更改为循环，则可以获得所需的输出：

printf '%s\n' "k|k|jill|hill|k" | sed 's/\([|]\|^\)\([[:alnum:]]\)\([|]\|$\)/-/g'

-k|k|jill|hill|-k

对比

printf '%s\n' "k|k|jill|hill|k" | sed '
    :a
    s/\([|]\|^\)\([[:alnum:]]\)\([|]\|$\)/-/
    ta
'

-k|-k|jill|hill|-k

Strange sed behaviour