使用sed正则提取WordPress的DB_NAME时匹配异常排查

需求是从WordPress的wp-config.php文件中提取DB_NAME的值，无法控制代码中使用单引号(')还是HTML实体双引号(")，且语句中可能存在空格。可能的语句示例：

define( 'DB_NAME', 'test' );
define('DB_NAME','test');
define( "DB_NAME", "test" );

使用的sed命令：

sed -E -n "s/define\([[:space:]]?.DB_NAME.,[[:space:]]?.(.*).[[:space:]]?\);/\1/p" wp-config.php

执行后输出：

test'
test
test"

仅第二种情况返回预期的test，其余结果都带有引号，疑惑点：.应该能匹配引号，[[:space:]]?能匹配存在的空格，为何会出现这种情况？

核心问题出在正则的贪婪匹配和通配符.的无差别匹配上，拆解来看：

1. .驱动的贪婪捕获
   你正则里的(.*)是贪婪模式，会尽可能捕获最多的字符，直到后续的正则片段能找到匹配项为止。比如第一个示例语句define( 'DB_NAME', 'test' );：

   • 前面的define\([[:space:]]?.DB_NAME.,[[:space:]]?.会匹配到define( 'DB_NAME', '
   • 此时(.*)会从test开始捕获，直到后面的.能找到一个可匹配的字符——这里后面的.可以匹配'之后的空格，所以(.*)会把test'全部捕获，最终输出test'。

2. .未限定匹配范围
   你用.来匹配引号，但.能匹配任意单个字符（包括空格、引号、实体符号等），这就导致：

   • 对于带空格的语句（第一个和第三个示例），后续的.可以匹配引号外的空格，让(.*)把闭合的引号（或"）也包含进捕获组。
   • 只有第二个无空格的语句，后续的.只能匹配闭合的引号，(.*)才会刚好捕获到test。

简单来说，你没有明确限定“捕获内容在一对相同的引号之间”，而是用通配符模糊匹配，加上贪婪模式的特性，导致捕获组把闭合引号也包含进去了。

内容的提问来源于stack exchange，提问作者ecotechie