Як використовувати [\ w] + у регулярному вираженні в sed?

Я в Windows, але, мабуть, моє запитання тут все-таки правильно розміщено.

C:\Users\User>grep --version
GNU grep 2.6.3

C:\Users\User>sed --version
GNU sed version 4.2.1

Я помітив, що такі роботи (вихідні here):

echo here | grep -E "\w+"
echo here | grep -E "[her]+"

Але це не працює (нічого не виходить):

echo here | grep -E "[\w]+"

Це знову робить (виведення here):

echo here | grep -P "[\w]+"

Отож, [\w]є певним для регулярних виразів Perl, я припускаю. Це правильно?

Отже, давайте поговоримо sed. Це працює (виведення gone):

echo here | sed -r "s/\w+/gone/"
echo here | sed -r "s/[her]+/gone/"

І знову це не так (виведення here):

echo here | sed -r "s/[\w]+/gone/"

Тепер, як я можу активувати Perl регулярні вирази для sed - чи є спосіб?

Різні інструменти та їх версії підтримують різні варіанти регулярних виразів. Документація кожного з них розповість, що вони підтримують.

Стандарти існують, щоб можна було покластися на мінімальний набір функцій, доступний у всіх відповідних програмах.

Наприклад, всі сучасні реалізації sedта grepреалізація основних регулярних виразів, визначених POSIX (принаймні одна версія чи інша версія стандарту, але цей стандарт не розвинувся в цьому відношенні за останні кілька десятиліть).

У POSIX BRE та ERE у вас є [:alnum:]клас символів. Це відповідає буквам і цифрам у вашій мові (зверніть увагу, що часто включає набагато більше, ніж, a-zA-Z0-9якщо локаль не C).

Так:

grep -x '[[:alnum:]_]\{1,\}'

відповідає одній або більше alnum або _.

[\w]вимагає POSIX, щоб відповідати або зворотній косій лінії, або w. Таким чином, ви не знайдете grepабо sedвтілення, де це доступно (якщо тільки не з нестандартними параметрами).

Поведінка \wокремо не визначена POSIX, тому реалізаціям дозволяється робити те, що вони хочуть. ГНУ grepдодав, що це давно.

У GNU grepраніше існував власний механізм regexp, однак тепер він використовується libc GNU (хоча він вбудовує власну копію).

Це покликане відповідати випускникам та підкресленням у вашій місцевості. Однак, в даний момент помилка в тому, що вона відповідає лише однобайтовим символам (наприклад, не é в локалі UTF-8, хоча це явно буквою, і хоча вона відповідає é у всіх локалях, де é є одиничним персонаж).

Існує також \wоператор regexp в perl regexp і в PCRE. PCRE / perl не є регулярними виразами POSIX, вони взагалі просто інша річ.

Тепер, з тим, як GNU grep -Pвикористовує PCRE, у нього виходить та сама проблема, що і без -P. Це можна вирішити там, хоча за допомогою (*UCP)(хоча це також має побічні ефекти в не-UTF8-локалях).

GNU sedтакож використовує регекси GNU libc для власних регулярних виразів. Він використовує його таким чином, хоча він не має тієї ж помилки, як GNU grep.

GNU sedне підтримує PCRE. У кодексі є деякі докази того, що він робився раніше, але, здається, це вже не стоїть на порядку денному.

Якщо ви хочете регулярних виразів Perl, просто використовуйте, perlхоча.

Інакше я б сказав, що замість того, щоб намагатися покладатися на хибну нестандартну особливість вашої конкретної реалізації sed/ grep, було б краще дотримуватися стандарту та використовувати [_[:alnum:]].

Ви праві - \wце частина сумісних регулярних виразів PCRE. Однак це не є частиною «стандартного» регулярного виразів. http://www.regular-expressions.info/posix.html

Деякі версії програми sedможуть підтримувати його, але я пропоную найпростіший спосіб - просто використовувати perlв sedрежимі, вказавши -pпрапор. (Поряд із -e). (Детальніше в perlrun)

Але вам []у цьому прикладі не потрібно - це для груп дійсних речей.

echo here  | perl -pe 's/\w+/gone/'

Або в Windows:

C:\>echo here  | perl -pe "s/\w+/gone/"
gone
C:\>echo here  | perl -pe "s/[\w\/]+/gone/"
gone

Докладніше perlreпро матеріали PCRE.

Перл можна отримати тут: http://www.activestate.com/activeperl/downloads

Я підозрюю, що grepі sedвирішують по-різному, коли застосовувати []та коли розширювати \w. У регулярному вираженні perl \wозначає будь-який символ слова та []визначте групу, яка застосовує будь-який із символів у відповідності. Якщо ви «розширити» \wдо []це буде символ клас всіх символів слова. Якщо замість цього ви зробите []спочатку, у вас буде клас символів з двома символами, \і wвін би відповідав будь-якому шаблону, що містить один або більше цих двох символів.

Отже, здається, що sedбачити []та вважати, що він містить точні символи, що відповідають, а не шанувати особливу послідовність \wяк perlі grepробити. Звичайно, []це абсолютно непотрібні в цьому прикладі, але, можливо, можна уявити випадки, коли це було б важливо, але тоді ви могли б змусити його працювати з паренами та орсами.