☰

为什么需要转义 sed 中的正则表达式字符才能将其解释为正则表达式字符？

tag-icon • tag-icon sed regular-expression quoting
为什么需要转义 sed 中的正则表达式字符才能将其解释为正则表达式字符？

看来
cat sed_data.txt | sed 's/\b[0-9]\{3\}\b/NUMBER/g'
我必须转义字符以形成正则表达式。在这种情况下，我必须转义大括号才能被解释为多次。
为什么？我原以为除非转义，否则一切都将是正则表达式字符。即相反。

答案1

这是因为sed使用POSIX BRE（基本正则表达式），而不是您可能习惯从 Perl 或朋友那里使用的 ERE（扩展正则表达式）。

从sed(1)手册页：

REGULAR EXPRESSIONS
       POSIX.2 BREs should be supported, but they aren't completely because of
       performance problems.  The \n sequence in a regular expression  matches
       the newline character, and similarly for \a, \t, and other sequences.

相关引用来自上述链接：

基本正则表达式或 BRE 风格标准化了一种类似于传统 UNIX grep 命令所使用的风格。这几乎是当今仍在使用的最古老的正则表达式风格。这种风格与众不同的一点是，大多数元字符都需要反斜杠来赋予元字符其风格。大多数其他风格，包括 POSIX ERE，使用反斜杠来抑制元字符的含义。

逐字引用自克雷格·桑德斯的评论:

请注意，至少在 GNU sed 中，您可以通过 -r 或 --regexp-extended 命令行选项告诉 sed 使用扩展正则表达式。如果您想避免因过度转义而使 sed 脚本变得丑陋，这非常有用。

答案2

这是有历史原因的。

edRegexp 最早在70 年代早期的Unix 实用程序中引入。虽然ed是基于qed由同一作者实现的，但人们无法理解更复杂的正则表达式，ed只能理解^、$、[...]、.和*来\逃避上述所有情况。

现在，当需要更多运算符时，必须找到一种方法来引入它们而不破坏向后兼容性。如果脚本过去使用s ed命令 as来替换withs/foo() {/foo (var) {/g的所有实例 ，并且您引入了or运算符，则会破坏该脚本。foo() {foo(var) {({

然而，没有脚本可以做到这一点s/foo\(\) {/foo\(var\) {/，因为这与 相同s/foo() {/foo(var) {/，并且没有理由转义，(因为那不是 RE 运算符。因此，引入新的\(or\{运算符不会破坏向后兼容性，因为它不太可能破坏使用旧语法的现有脚本。

所以，这就是所做的。后来，\(...\)最初添加只是为了s ed命令执行类似的操作s/foo\(.\)/\1bar/，后来添加为grep '\(.\)\1'（但仍然不是类似的操作\(xx\)*）。

在 UnixV7（1979 年，差不多十年后）中，新的实用程序中添加了一种新形式的正则表达式，egrep称为awk扩展正则表达式（因为它们是新工具，所以不会破坏向后兼容性）。最后，它提供了 Ken Thompson 的古老功能qed（交替运算符|、分组(..)*），并添加了一些运算符，如+and ?（但没有基本正则表达式的 backref 功能）。

后来，BSD 添加了\<and \>（同时添加到 BRE 和 ERE），而 SysV仅将\{and添加\}到了 BRE。

直到很久以后{，它才被}添加到 ERE 中，从而破坏了向后兼容性。并不是每个人都添加了它。例如，GNUawk直到版本 4.0.0 (2011) 才支持，{除非强制进入 POSIX 一致性模式。

当 GNUgrep在 90 年代初编写时，它添加了 BSD 和 SysV 的所有优点（例如\<, {），并且没有为 BRE 和 ERE 提供两个单独的正则表达式语法和引擎，而是在两者中实现了相同的运算符，只有 BRE 的对应项(, ?, {,+前面必须带有反斜杠（以与其他 BRE 实现兼容）。这就是为什么您可以.\+在 GNU 中执行grep（尽管这不是 POSIX 或不受其他实现支持），并且您可以(.)\1在 GNU 中执行egrep（尽管这不是 POSIX 或不受包括 GNU 在内的许多其他实现支持awk）。

添加\x运算符并不是以向后兼容的方式添加更多运算符的唯一方法。例如，perl使用(?...).这仍然向后兼容 ERE，因为(?=...)在 ERE 中无效，对于.*?.vim对于类似的运营商，通过引入\@=或.\{-}等方式，采取了不同的做法。

相关内容