sed多模式单行输出问题：如何将语言与属地格式化输出为指定形式

你的问题出在原sed命令的正则逻辑上——你试图用|同时匹配language和territory，但正则分支的优先级和捕获组的使用方式不对，导致无法正确配对语言和属地。咱们一步步来修正：

先分析原命令的问题 #

你写的命令：

sed -nE 's/^language|territory\s+"(.+)"$/\1 \2/p'

这里的|把正则分成了两个独立分支：

1. ^language：只匹配行开头的language，没有任何捕获组，所以\1和\2都是空值
2. territory\s+"(.+)"$：只匹配行末尾的territory和引号内容，只有一个捕获组\1，\2依然是空

这就导致替换出来的内容完全不符合预期，根本没法把语言和属地对应起来。

正确的处理方案 #

根据你的需求，我们需要把每一组language "X" territory "Y"转换成X (Y)，然后去重、合并成一行。分两种情况处理：

情况1：原文件每行一组language-territory #

如果你的languages.txt是每行一条记录，比如：

language "Afar" territory "Djibouti"
language "Afar" territory "Eritrea"
language "Afar" territory "Eritrea"
language "Afar" territory "Ethiopia"

用这条命令：

sed -E 's/language "([^"]+)" territory "([^"]+)"/\1 (\2)/' languages.txt | sort -u | tr '\n' ' '

各部分作用：

• sed部分：匹配整行的language "X" territory "Y"，用捕获组\1提取语言名，\2提取属地，替换成X (Y)
• sort -u：去除重复的条目（比如你例子里重复的Afar (Eritrea)）
• tr '\n' ' '：把每行的结果转换成空格分隔的单行

情况2：原文件是一整行连续的内容 #

如果你的languages.txt是一整行的连续文本，比如：

language "Afar" territory "Djibouti" language "Afar" territory "Eritrea" language "Afar" territory "Eritrea" language "Afar" territory "Ethiopia"

用这条命令：

sed -E 's/language "([^"]+)" territory "([^"]+)"/\1 (\2) /g' languages.txt | sed 's/ $//' | tr -s ' '

各部分作用：

• 第一个sed：全局替换每一组language...territory为X (Y) （加空格分隔）
• 第二个sed：去掉末尾多余的空格
• tr -s ' '：压缩可能出现的连续空格，保证格式整洁

测试结果 #

不管哪种情况，最终都会输出你想要的格式：

Afar (Djibouti) Afar (Eritrea) Afar (Ethiopia)

内容的提问来源于stack exchange，提问作者Marcelo