sed分组匹配中*量词非贪婪问题与多字符串替换方案咨询

首先得澄清一个误区：这不是贪婪与否的问题，而是*量词的特性导致的。

问题根源：*允许匹配0次 #

*量词的规则是匹配0次或多次目标内容，而sed的默认替换行为是只处理第一个找到的匹配项。

当你执行：

echo xab | sed -E 's/(a|b)*//'

sed会从字符串的起始位置开始查找匹配：

1. 第一个字符是x，不属于a或b，所以(a|b)*在这里只能匹配0个字符（空串）；
2. sed把这个空串替换成空，相当于没做任何修改，所以输出还是xab。

而+量词的规则是匹配1次或多次目标内容，它不能匹配0次。所以执行：

echo xab | sed -E 's/(a|b)+//'

时，sed会跳过开头的x，找到后面连续的ab（符合1次以上的匹配规则），将其替换为空，最终得到预期的x。

最佳解决方法 #

针对你替换任意数量目标字符串（比如更长的foo/bar这类，字符类无法满足）的需求，推荐两种方案：

1. 用+替代*（优先推荐）
   既然你需要替换的是「存在的目标内容」，+能确保匹配至少1次目标序列，避免匹配0次空串的情况。比如：

   # 替换单个连续的目标序列
   echo xq-as | sed -E 's/(foo|bar|xq)(-as|-gh|-ts)+//'
   # 如果要替换所有出现的目标序列，加`g`选项
   echo xq-asxq-gh | sed -E 's/(foo|bar|xq)(-as|-gh|-ts)+//g'
   

2. 强制匹配非空的目标序列（兼容需用*的场景）
   如果你因为某些原因必须用*，可以通过添加断言确保匹配的是非空内容。比如结合\K（保留前面的内容，替换后面的）：

   echo xab | sed -E 's/x\K(a|b)*//'
   

   这里x\K表示匹配到x后，保留x，只替换后面的(a|b)*内容，这样就不会触发0次匹配的问题。不过这种方法需要你的sed支持\K（GNU sed 支持，BSD sed 可能不支持）。

额外提示 #

如果你的需求是删除所有目标字符/字符串的出现（不管位置），记得加上g全局替换选项，否则sed只会处理第一个匹配项。

内容的提问来源于stack exchange，提问作者Dan Kegel