为何字符集末尾加下划线会导致GNU sed无法匹配含连字符文本？

这不是bug，而是扩展正则表达式（ERE，即-E参数启用的模式）中字符集范围规则导致的问题，核心是连字符-在字符集中的位置解析逻辑。

问题场景与原因拆解 #

1. 初始正常匹配的命令

$ echo "[some-text]" | sed -E 's/\[([a-zA-Z0-9\-]+)\]/REPLACED/'
REPLACED

此时字符集[a-zA-Z0-9\-]中，-虽被转义，但由于字符集末尾是+（不在字符集内），-不会形成范围，字符集实际包含字母、数字、连字符，因此能完整匹配some-text。

2. 添加下划线后匹配失败

$ echo "[some-text]" | sed -E 's/\[([a-zA-Z0-9\-_]+)\]/REPLACED/'
[some-text]

此时字符集[a-zA-Z0-9\-_]中，-位于\和_之间，被解析为ASCII范围匹配：从\（ASCII 92）到_（ASCII 95）的所有字符，而字面意义的连字符-（ASCII 45）不在这个范围内，因此无法匹配输入中的-，导致整个模式匹配失败。

3. 调整顺序后正常匹配

$ echo "[some-text]" | sed -E 's/\[([a-zA-Z0-9_-]+)\]/REPLACED/'
REPLACED

当把-放在字符集末尾时，它不再表示范围，而是作为字面意义的连字符存在，此时字符集包含字母、数字、下划线、连字符，能正确匹配输入内容。

4. 去掉方括号后的部分匹配

$ echo "some-text" | sed -E 's/([a-zA-Z0-9\-_]+)/REPLACED/'
REPLACED-text

同样因为-被解析为范围的一部分，字符集不包含字面的-，因此只能匹配some（小写字母属于a-z范围），无法匹配后续的-text，导致仅部分内容被替换。

核心规则总结 #

在GNU sed的扩展正则模式（-E）中：

• 字符集[]内的连字符-，若放在两个字符之间，会被解析为ASCII范围（比如a-z表示小写字母，\-_表示从\到_的字符）。
• 若要让-表示字面意义，有两种可靠方式：
  1. 将-放在字符集的开头或结尾（比如[a-z-]、[-a-z]）。
  2. 无需转义（扩展正则中，字符集内的-只要不形成范围，就是字面意义）。
• 字符集内的反斜杠\是普通字符，不会转义连字符，反而可能和后续字符形成意外的范围。

推荐写法 #

如果需要匹配字母、数字、连字符、下划线，推荐以下两种简洁写法：

# 写法1：连字符放在字符集末尾
sed -E 's/\[([a-zA-Z0-9_-]+)\]/REPLACED/'
# 写法2：连字符放在字符集开头
sed -E 's/\[([-a-zA-Z0-9_]+)\]/REPLACED/'

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