Bash脚本中Sed正则无法捕获重复组问题求助

需求与测试用例 #

需要从有效文本行提取两类数据：

• 第一类：包含点的数字段，不能以点结尾
• 第二类：该行剩余内容，行末不能是数字

测试用例如下：

1.1 the quick 1-1 (no match due to ending hyphen and number)
11.2 brown fox jumped (should return '11.2' and 'brown fox jumped')
1.41.1 over the lazy (should return '1.41.1' and 'over the lazy')
2.1. dog (no match due to numerical section trailing period)

通用正则表达式 #

在主流正则测试工具中，以下表达式可满足需求：

^((?:[0-9]+\.)+[0-9]+) (.*)[^0-9]$

• (?:[0-9]+\.)+：非捕获组，匹配一个或多个「数字+点」的组合
• [0-9]+：确保数字段以数字收尾，避免点结尾的无效行
• (.*)：捕获数字段后的剩余内容
• [^0-9]$：限制行末不能是数字

遇到的问题 #

将上述正则适配到Bash的Sed命令时无法正常工作，当前使用的命令：

IFS=$'\t' read -r NUM STR < <(sed 's#^\(\(?:[0-9]\+\.\)\+[0-9]\+\) \(.*)[^0-9]$#\1\t\2#p;d' <<< $L )

替换为简单匹配逻辑后虽能运行，但存在缺陷：可匹配以点开头、含连续点的无效行，还会丢失捕获字符串的最后一个字符。该命令为：

FS=$'\t' read -r NUM STR < <(sed 's#^\([0-9\.]\+[0-9]\+\) \(.*[^0-9]\)$#\1\t\2#p;d' <<< $L )

问题根源 #

1. Sed默认不支持非捕获组：GNU Sed默认使用POSIX基本正则表达式（BRE），而非捕获组(?:...)是POSIX扩展正则表达式（ERE）的语法，BRE中会将(?:)当作普通字符处理，导致匹配逻辑失效。
2. 括号转义错误：BRE中捕获组的括号需要转义，但原命令中(.*)未转义为\(.*\)，进一步导致匹配失败。

解决方法 #

方法1：启用扩展正则模式 #

使用-E参数让Sed切换到ERE模式，此时无需转义捕获组括号，非捕获组语法也能正常使用：

IFS=$'\t' read -r NUM STR < <(sed -E 's/^(([0-9]+\.)+[0-9]+) (.*)[^0-9]$/\1\t\2/p;d' <<< "$L" )

注意：变量$L需用双引号包裹，避免空格触发分词。

方法2：适配基本正则模式 #

若无法使用-E参数，可将非捕获组改为捕获组（不影响目标数据提取），同时正确转义所有括号：

IFS=$'\t' read -r NUM STR < <(sed 's/^\(\([0-9]\+\.\)\+[0-9]\+\) \(.*\)[^0-9]$/\1\t\3/p;d' <<< "$L" )

由于原非捕获组变为第二个捕获组，所以原剩余内容的捕获组序号从\2变为\3。

验证 #

用测试行11.2 brown fox jumped执行上述命令，可正确提取NUM=11.2和STR=brown fox jumped；对2.1. dog这类无效行无匹配结果，符合需求。

内容的提问来源于stack exchange，提问作者user177731