使用sed命令反向引用获非预期结果，求原因及优化方法

原始文件内容：

abab102
cdcd103
efef105

需求：将每行的4位字母（用户名）和3位数字（ID）分离，格式化为Username:xxx ID:xxx。

第一个命令的问题 #

执行以下命令后结果不符合预期：

sed 's/\([a-z]\)\{4\}\([0-9]\)\{3\}/Username:\1 ID:\2/' file.txt

得到的结果：

Username:b ID:2
Username:d ID:3
Username:f ID:5

原因是基础POSIX sed中，分组\([a-z]\)仅捕获单个字符，后面的\{4\}是重复匹配这个分组4次，但分组只会保留最后一次匹配的内容。同理\([0-9]\)\{3\}也只保留最后一个数字，所以\1取的是第4个字母，\2取的是第3个数字，导致结果错误。

正确的写法应该把整个重复的匹配内容放进分组，也就是让括号包裹住整个重复单元：

sed 's/\([a-z]\{4\}\)\([0-9]\{3\}\)/Username:\1 ID:\2/' file.txt

这样\([a-z]\{4\}\)会捕获全部4个字母，\([0-9]\{3\}\)捕获全部3个数字，执行后就能得到预期结果：

Username:abab ID:102
Username:cdcd ID:103
Username:efef ID:105

如果使用扩展正则表达式（加-r参数，无需转义括号和量词），写法更简洁：

sed -r 's/([a-z]{4})([0-9]{3})/Username:\1 ID:\2/' file.txt

第二个命令的空格问题 #

执行以下命令后，用户名和ID之间缺少空格：

sed -e 's/\([a-z]\)\{4\}/Username:&/' -e 's/\([0-9]\)\{3\}/ID:&/' file2.txt

得到的结果：

Username:ababID:102
Username:cdcdID:103
Username:efefID:105

这里的&代表匹配到的整个内容，解决空格问题很简单，只要在第一个替换的末尾加空格，或者在第二个替换的ID前加空格：

# 方法1：在第一个替换的用户名后加空格
sed -e 's/\([a-z]\{4\}\)/Username:& /' -e 's/\([0-9]\{3\}\)/ID:&/' file.txt

# 方法2：在第二个替换的ID前加空格
sed -e 's/\([a-z]\{4\}\)/Username:&/' -e 's/\([0-9]\{3\}\)/ ID:&/' file.txt

执行后就能得到带空格的正确格式。

内容的提问来源于stack exchange，提问作者user5499810