2

我是正则表达式的初学者，我正在尝试实现一些相对简单的事情：

我有一个这样排列的数据集：

1,AAA,aaaa,BBB,bbbbbb ...
2,AAA,aaaaaaa,BBB,bbb ...
3,AAA,aaaaa,BBB,bb ...

我正在考虑为 AAA 或 BBB 之后的各种长度（字母数字字符）的字符串添加大括号（这些是恒定的）：

1,AAA,{aaaa},BBB,{bbbbbb} ...
2,AAA,{aaaaaaa},BBB,{bbb} ...
3,AAA,{aaaaa},BBB,{bb} ...

所以我用这种方式尝试了 sed：

sed 's/(AAA|BBB)[[:punct:]].[[:alnum:]]/\1{&}/g' dataset.txt

但是我得到了这个结果：

1,AAA,{AAA,aa}aa,BBB,{BBB,bb}bbbb, ... 
2,AAA,{AAA,aa}aaaaa,BBB,[BBB,bb}b, ...
3,AAA,{AAA,aa}aaa,BBB,{BBB,bb} ...

显然，&替换部分中的sed将是匹配的模式，但是，我&只想成为匹配模式之后的内容，我做错了什么？

我也尝试过添加单词边界，[^ ]但无济于事。我太努力了sed吗？我应该使用允许向后看的语言吗？

谢谢你的帮助！

4

3 回答 3

1

尝试这个：

sed 's/\(AAA\|BBB\),\([^,]*\)/\1,{\2}/g' dataset.txt
于 2013-10-04T08:09:48.983 回答
1

以下 sed 应该可以工作。

在 Linux 上：

sed -i.bak -r 's/((AAA|BBB)[[:punct:]])([[:alnum:]]+)/\1{\3}/g'

或者在 OSX 上：

sed -i.bak -E 's/((AAA|BBB)[[:punct:]])([[:alnum:]]+)/\1{\3}/g'

-i用于内联选项以保存输入文件本身的更改。

于 2013-10-04T07:49:51.750 回答
1

您的正则表达式中始终可以有超过 1 个捕获组，以捕获不同的部分。您甚至可以[:punct:]在第一个捕获组内移动该部分：

sed 's/((?:AAA|BBB)[[:punct:]])([[:alnum:]]+)/\1{\3}/g' dataset.txt

我不明白这.中间[:punct:]和[:alnum:]在做什么。所以，我删除了它。因此，您可能已经注意到，正则表达式匹配以下模式：

{AAA,aa}
{BBB,bb}

即，它在AAAand之后仅匹配 2 个字符BBB。一为.一为[[:alnum:]]。

,要匹配直到下一个之后的所有字母数字字符，,您需要使用量词：[[:alnum:]]+

于 2013-10-04T07:20:09.670 回答