GNU sed 4.9正则表达式合并捕获组后匹配异常问题咨询

核心问题出在正则分组的逻辑错误，第二种写法仅给VV绑定了后缀匹配规则，其他云量代码没有，再加上.*的贪婪匹配特性，导致非VV开头的云量行匹配失败。

两种写法的逻辑对比 #

第一种正确写法 #

cat metar.log | sed -nE "s#(.*) EGSH .*(SKC|NCD|CLR|NSC|FEW|SCT|BKN|OVC|TCU|CB|VV)([^ ]*) .*#\1 \2\3#p"

• 逻辑：先匹配任意内容到EGSH，用.*跳过中间无关内容，然后分两个捕获组：
  1. 捕获所有云量代码（SKC/OVC/VV等）
  2. 捕获该代码后所有非空格字符（比如OVC后的001///，VV后的///）
• 所有云量代码共享后缀匹配规则，不管是纯字母代码（如SKC）还是带后缀的代码（如OVC001）都能被正确捕获，再通过\2\3合并输出完整云量字段。

第二种错误写法 #

cat metar.log | sed -nE "s#(.*) EGSH .*(SKC|NCD|CLR|NSC|FEW|SCT|BKN|OVC|TCU|CB|VV[^ ]*) .*#\1 \2#p"

• 逻辑错误：分组内的规则变成要么匹配单个云量代码（如OVC），要么匹配VV加后缀。
• 贪婪匹配的影响：.*会尽可能多吞噬字符，以OVC001///为例，.*会把OVC001///全部吞掉直到后面的空格，此时剩余内容里找不到单独的OVC，导致整个正则匹配失败，该行无法输出。
• 仅VV开头的行能匹配：因为VV[^ ]*可以精准匹配VV///，.*不会吞噬这部分内容，所以能成功输出。

修正后的合并分组写法 #

要合并捕获组且保证所有行匹配，需给所有云量代码统一加上后缀匹配，正确写法如下：

cat metar.log | sed -nE "s#(.*) EGSH .*((SKC|NCD|CLR|NSC|FEW|SCT|BKN|OVC|TCU|CB|VV)[^ ]*) .*#\1 \2#p"

这里\2直接捕获完整的云量字段（代码+后缀），无需再合并两个分组。

内容的提问来源于stack exchange，提问作者Rufty