Linux环境下Bash替换字符串指定标记区间内指定字符的实现方案

需求：在Linux Bash环境下，替换字符串中指定标记区间内的特定字符（本次为句号.），优先用纯Bash实现，也可使用系统常见工具（sed、Python等）。

示例 #

• 起始字符串：<mark>foo.bar.baz</mark> blah. blah. blah. <mark>abc.def.ghi</mark> ...
• 转换目标：将<mark>与</mark>之间的所有.替换为<wbr />
• 期望结果：<mark>foo<wbr />bar<wbr />baz</mark> blah. blah. blah. <mark>abc<wbr />def<wbr />ghi</mark>

补充说明 #

• <mark>和</mark>标记不会嵌套
• 希望了解是否能用Bash内置功能实现：先定位标记区间，再对区间内内容执行替换
• 无需当作XML解析，标记可替换为任意内容

已实现的非纯Bash方案 #

while $(echo "${my_str}" | grep -E '<mark>[^.]*\.[^<]*</mark>' >/dev/null 2>&1) ; do
    my_str=$(echo "${my_str}" | sed -E -e 's,(<mark>[^.]*)\.([^<]*</mark>),\1<wbr />\2,g')
done

一、纯Bash实现 #

利用Bash内置的字符串操作、遍历功能完成，无需外部工具：

my_str='<mark>foo.bar.baz</mark> blah. blah. blah. <mark>abc.def.ghi</mark> ...'
result=""
in_mark=0

# 逐个字符遍历字符串
for ((i=0; i<${#my_str}; i++)); do
    char="${my_str:i:1}"
    # 检测进入标记区间
    if [[ "${my_str:i:6}" == "<mark>" ]]; then
        result+="<mark>"
        ((i+=5))  # 跳过已处理的标记字符
        in_mark=1
        continue
    fi
    # 检测退出标记区间
    if [[ "${my_str:i:7}" == "</mark>" ]]; then
        result+="</mark>"
        ((i+=6))
        in_mark=0
        continue
    fi
    # 区间内替换句号，其他情况直接追加字符
    if ((in_mark == 1)) && [[ "$char" == "." ]]; then
        result+="<wbr />"
    else
        result+="$char"
    fi
done

echo "$result"

逻辑说明 #

1. 通过in_mark变量跟踪是否处于<mark>区间内
2. 遇到<mark>或</mark>时，直接追加标记并跳过对应长度的字符，切换区间状态
3. 区间内的.替换为<wbr />，其余字符及区间外内容原样保留

二、高效sed单命令实现 #

你的循环sed方案需要多次扫描字符串，用sed的分支循环功能可一次完成替换：

sed -E ':loop
s/(<mark>[^<.]*)\.([^<]*<\/mark>)/\1<wbr\/>\2/g
t loop' <<< "$my_str"

逻辑说明 #

• :loop定义循环标签
• 单次替换<mark>内的一个.，g确保当前行内所有符合的单次替换都执行
• t loop：如果上一次替换成功，跳回loop标签继续循环，直到没有可替换的.为止

三、Python实现（适合复杂场景） #

若需处理更复杂的字符串结构，Python正则分组替换更直观：

import re

my_str = '<mark>foo.bar.baz</mark> blah. blah. blah. <mark>abc.def.ghi</mark> ...'
result = re.sub(r'(<mark>)(.*?)(</mark>)', lambda m: m.group(1) + m.group(2).replace('.', '<wbr />') + m.group(3), my_str)
print(result)

逻辑说明 #

• 用非贪婪正则(.*?)匹配<mark>...</mark>的完整区间，避免跨区间匹配
• 对匹配到的区间内内容执行.到<wbr />的替换，再拼接前后标记输出

内容的提问来源于stack exchange，提问作者codesniffer