为什么“ [az] *”与非字母字符串匹配？

我有alphanum两行内容：

123 abc
this is a line

我对为什么在运行时sed 's/[a-z]*/SUB/' alphanum得到以下输出感到困惑：

SUB123 abc
SUB is a line

我期待：

123 SUB
SUB is a line

我找到了一个修复程序（sed 's/[a-z][a-z]*/SUB/'改用），但是我不明白为什么它起作用，而我的却不起作用。

你能帮我吗？

sed regular-expression

— 法赫·莫卡登（Fakher Mokadem）
source

— 拉伊

@Kamaraj，那是相似的，但是外壳模式与正则表达式混淆在最上面（答案集中在前者，因为那是ls foo*使用的）。但是无论如何，如果您发现重复的问题，我想您也应该将其标记为同样的问题。

— ilkkachu

查看regexr.com上的实时图像并进行解释

— -RozzA，

@RozzA请注意，您链接到的网站支持Javascript和Perl正则表达式，而不是POSIX正则表达式。

— 库萨兰达

Answers:

图案[a-z]*匹配零个的范围内或更多的字符a，以z（在实际的字符是依赖于当前的环境）。在字符串的开头123 abc（即模式匹配）有零个这样的字符，在开头有四个this is a line。

如果您至少需要一个匹配，然后用[a-z][a-z]*或[a-z]\{1,\}，或启用扩展正则表达式与sed -E和使用[a-z]+。

要显示模式匹配的位置，请在每个匹配项周围添加括号：

$ sed 's/[a-z]*/(&)/' file
()123 abc
(this) is a line

或者，查看所有匹配项：

$ sed 's/[a-z]*/(&)/g' file
()1()2()3() (abc)
(this) (is) (a) (line)

将最后结果与

$ sed -E 's/[a-z]+/(&)/g' file
123 (abc)
(this) (is) (a) (line)

— 库萨兰达
source

从技术上讲，[a-z]匹配元素可以由多个字符组成。例如，在一些匈牙利语言环境，[a-z]匹配上dzs

— 斯特凡Chazelas

因为*匹配零个或多个先前原子的重复，所以所有正则表达式引擎都试图找到第一个匹配项。字符串的开头有一个完全为零个字母的子字符串，因此它与之匹配。如果字符串以字母开头，则*匹配尽可能多，但这仅次于最左边的匹配。

零长度匹配可能会有些问题，如您所见，解决方案是修改模式，使其至少需要一个字符。使用扩展的正则表达式，您可以+：sed -E 's/[a-z]+/SUB/'

为了娱乐，请尝试：

echo 'less than 123 words' | sed 's/[0-9]*/x/g'

— 伊尔卡楚
source