为什么 sed/awk 没有按照我的正则表达式所说的那样捕获组？

Question

我这里有一个根据网站工作的正则表达式：

正则表达式：<<act ("([^"\]|\.)*")

正文：

<<act "want" "don't want">><</act>>

<<act "\"want\"" "don't want">><</act>>

第 1 组应该分别捕获“想要”和“\”想要\”，根据网站，确实如此。

但是如果我把这个文本保存在一个文件中，然后执行这个命令：

cat tmp | sed -Ern 's/<<act ("([^"\]|\.)*")//p'

这是输出：

"want" "don't want">><</act>>
"\"want\"" "don't want">><</act>>

为什么 sed 的行为与本网站所说的不同？当我尝试像这样使用 awk 的 gensub 时，我注意到了同样的问题：

cat tmp | awk '{ r = gensub(/<<act ("([^"\]|\.)*")/, "\1", "g"); print r;}'

为了它的价值，我正在使用 cygwin。

Answer 1

您正在使用 sed 和 s 替换命令，因此您正在 搜索和替换 找到的匹配项。您想要获得组 1 的值，因此您需要匹配捕获组之前和之后的部分以删除它们以保留您想要的内容。

您可以使用

sed -En 's/<<act ("([^"\]|\.)*").*//p'
#                                ^^

.* 将匹配任何文本并将被删除。这也意味着您只能在字符串的开头使用 <<act 。另请注意，由于括号表达式不支持正则表达式转义，因此 [^"\] 就足够了，无需双重转义 \.

关于选项的注释：-E 启用 POSIX ERE 正则表达式语法，n 抑制默认行输出，p 打印替换结果。

Answer 2

您的正则表达式 <<act ("([^"\]|\.)*") 可以按原样 与 awk 一起使用。此外，如果您使用 gnu-awk 那么您实际上也不需要进行任何替换。它可以在单个 match 函数中完成，如下所示：

awk 'match([=10=], /<<act ("([^"\]|\.)*")/, m) { print m[1] }' file

"want"
"\"want\""

对于 POSIX awk 你可以使用这个 awk:

/awk ' == "<<act" &&  ~ /"([^"\]|\.)*"/{ print  }' file

Why isn't sed/awk capturing groups the way my regex says it should?