MacOS下用gsed提取1-2字母前缀核心ID（含前置数字场景）

你的问题根源在于正则的贪婪匹配：原命令中的.*会尽可能多匹配字符，导致双字母前缀ID的第一个字母被.*吃掉，只留下第二个字母和数字部分。同时需要适配前置非字母数字字符的场景，以下是修正后的方案：

修正后的命令 #

gsed -nE 's/.*(^|[^A-Z])([A-Z]{1,2}[0-9]+).*/\2/p' test

正则说明 #

• -E：启用扩展正则表达式（ERE），避免大量转义字符，让正则更简洁。
• (^|[^A-Z])：匹配行首或者非大写字母的字符，确保捕获的1-2个大写字母前缀不会被更长的字母序列截断（比如避免从ABC123中错误提取BC123）。
• ([A-Z]{1,2}[0-9]+)：核心捕获组，匹配1-2个大写字母后跟至少一个数字（用+替代原命令的*，避免匹配仅含字母无数字的无效内容）。
• \2：引用第二个捕获组的内容，也就是需要提取的核心ID。

测试验证 #

针对你给出的场景：

• 输入HQ544145，输出HQ544145
• 输入24874:MH119974.1.<1.>606，输出MH119974
• 输入U87391，输出U87391

性能优化（针对百万级记录） #

直接指定文件名给gsed，避免使用cat管道（减少进程开销），这对百万条记录的处理效率提升更明显。

内容的提问来源于stack exchange，提问作者user95146