sed正则替换命令匹配逻辑、子表达式差异及前置空格作用咨询

测试基础信息 #

待处理原始文本：

1a fost odata
2un balaur
care fura
mere de aur

执行的sed命令：

sed 's/\([a-z]*\)\(.*\)\( [a-z]*\)/\1 ... \2/' filename

执行输出：

... 1a fost
 ... 2un balaur
care ...
mere ...  de

先讲两个核心基础规则，搞懂了就不会看不懂匹配结果：

• 这条sed用的是POSIX基础正则，匹配从左到右扫描，*代表匹配前面的规则零次或多次，默认是贪婪模式，会尽可能匹配最长的符合要求的内容
• s/匹配规则/替换内容/只会替换每行里第一个被规则命中的子串，没被命中的部分原样保留；替换串里的\1/\2/\3对应三个括号分组捕获的内容，没写在替换串里的分组内容会直接丢掉

整条匹配规则拆成三个连续的捕获组，结构是(组1)(组2)(组3)：

• 组1：[a-z]*，匹配零个或多个连续小写字母
• 组2：.*，匹配零个或多个任意字符
• 组3： [a-z]*，匹配一个空格，加后面零个或多个连续小写字母

疑问解答 #

1. 第一个[a-z]*子表达式和最后一个[a-z]*子表达式有什么区别？ #

两者核心差异是匹配位置和上下文约束完全不同：

• 组1的[a-z]*在正则最左端，没有任何前置约束，从扫描起点（默认是行首）开始匹配连续小写字母。如果起点位置的字符不是小写字母（比如测试文本前两行开头是数字1、2），它就匹配空内容（毕竟*允许零次匹配）；如果行首是连续小写字母，就把这串连续字母全部捕获。
• 组3的[a-z]*在正则最右端，有强制前置约束：必须紧跟在一个空格后面，捕获的是空格后跟着的连续小写字母。再加上组2的.*是贪婪匹配，组3一定会拿到当前匹配范围内最靠右的、符合「空格+连续小写字母」规则的内容。
• 额外说明：你写的替换串里没有引用\3，所以组3捕获的所有内容都会在替换时被直接丢弃。

2. 最后一个子表达式的[a-z]前为什么要设置空格？ #

这个空格是用来给组3划定匹配边界的：强制要求组3捕获的必须是前面带空格的小写字母串。你的测试文本是用空格分隔的单词，加这个空格就是为了让组3能定位到单词的起始位置（单词前必然是空格），配合组2的贪婪匹配，就能把匹配范围内最后一个空格分隔的单词整段切下来丢掉。

内容的提问来源于stack exchange，提问作者HyperOni