Bagaimana cara menggunakan [\ w] + dalam ekspresi reguler di sed?

Saya menggunakan Windows, tapi saya kira pertanyaan saya masih ditempatkan dengan benar di sini.

C:\Users\User>grep --version
GNU grep 2.6.3

C:\Users\User>sed --version
GNU sed version 4.2.1

Saya perhatikan bahwa karya-karya berikut (keluaran here):

echo here | grep -E "\w+"
echo here | grep -E "[her]+"

Tapi, ini tidak berhasil (tidak menghasilkan apa-apa):

echo here | grep -E "[\w]+"

Ini lagi tidak (keluaran here):

echo here | grep -P "[\w]+"

Jadi [\w]adalah sesuatu yang spesifik untuk ekspresi reguler Perl, saya kira. Apakah itu benar?

Jadi, mari kita bicara sed. Ini berfungsi (keluaran gone):

echo here | sed -r "s/\w+/gone/"
echo here | sed -r "s/[her]+/gone/"

Dan lagi, ini tidak (keluaran here):

echo here | sed -r "s/[\w]+/gone/"

Sekarang, bagaimana saya bisa mengaktifkan ekspresi reguler Perl untuk sed - apakah ada cara?

Alat dan versi yang berbeda mendukung variasi ekspresi reguler yang berbeda. Dokumentasi masing-masing akan memberi tahu Anda apa yang mereka dukung.

Ada standar sehingga seseorang dapat mengandalkan serangkaian fitur minimum yang tersedia di semua aplikasi yang sesuai.

Sebagai contoh, semua implementasi modern seddan grepimplementasi ekspresi reguler dasar seperti yang ditentukan oleh POSIX (setidaknya satu versi atau yang lain dari standar, tetapi standar itu belum banyak berkembang dalam hal itu dalam beberapa dekade terakhir).

Di POSIX BRE dan ERE, Anda memiliki [:alnum:]kelas karakter. Yang cocok dengan huruf dan angka di lokal Anda (catatan yang sering mencakup lebih banyak daripada a-zA-Z0-9kecuali lokal adalah C).

Begitu:

grep -x '[[:alnum:]_]\{1,\}'

cocok dengan satu atau lebih alnum atau _.

[\w]diperlukan oleh POSIX untuk mencocokkan backslash atau w. Jadi Anda tidak akan menemukan grepatau sedimplementasi di mana itu tersedia (kecuali melalui opsi non-standar).

Perilaku untuk \wsendiri tidak ditentukan oleh POSIX, jadi implementasi diperbolehkan untuk melakukan apa yang mereka inginkan. GNU grepmenambahkan itu sejak lama.

GNU grepdigunakan untuk memiliki mesin regexp sendiri namun sekarang menggunakan GNU libc's (meskipun ia menanamkan salinannya sendiri).

Ini dimaksudkan untuk mencocokkan alnums dan garis bawah di lokal Anda. Namun, saat ini memiliki bug karena hanya cocok dengan karakter byte tunggal (misalnya, tidak é di lokal UTF-8 meskipun itu jelas huruf dan meskipun itu cocok dengan é di semua lokal tempat é adalah satu karakter).

Ada juga \woperator regexp di perl regexp dan di PCRE. PCRE / perl bukan ekspresi reguler POSIX, mereka hanya hal lain sama sekali.

Sekarang, dengan cara GNU grep -Pmenggunakan PCRE, ia memiliki masalah yang sama seperti tanpa -P. Itu dapat dikerjakan di sana dengan menggunakan (*UCP)(meskipun itu juga memiliki efek samping di lokal non-UTF8).

GNU sedjuga menggunakan regex libc GNU untuk regexpsnya sendiri. Ia menggunakannya sedemikian rupa sehingga tidak memiliki bug yang sama dengan GNU grep.

GNU sedtidak mendukung PCRE. Ada beberapa bukti dalam kode yang telah dicoba sebelumnya, tetapi tampaknya tidak ada dalam agenda lagi.

Jika Anda ingin ekspresi reguler Perl, gunakan saja perl.

Kalau tidak, saya akan mengatakan bahwa daripada mencoba mengandalkan fitur non-standar palsu dari implementasi khusus Anda sed/ grep, akan lebih baik untuk tetap dengan standar dan penggunaan [_[:alnum:]].

Anda benar - \wadalah bagian dari PCRE - ekspresi reguler yang kompatibel dengan perl. Ini bukan bagian dari regex 'standar'. http://www.regular-expressions.info/posix.html

Beberapa versi sedmungkin mendukungnya, tapi saya sarankan cara termudah adalah dengan menggunakan perldalam sedmode dengan menentukan -pbendera. (Seiring dengan -e). (Lebih detail dalam perlrun)

Tapi Anda tidak perlu mengikutinya []dalam contoh itu - itu untuk kelompok barang yang valid.

echo here  | perl -pe 's/\w+/gone/'

Atau di Windows:

C:\>echo here  | perl -pe "s/\w+/gone/"
gone
C:\>echo here  | perl -pe "s/[\w\/]+/gone/"
gone

Lihat perlrelebih banyak barang PCRE.

Anda bisa mendapatkan perl di sini: http://www.activestate.com/activeperl/downloads

Saya menduga itu grepdan sedmemutuskan secara berbeda kapan harus menerapkan []dan kapan harus memperluas \w. Dalam perl regex \wberarti karakter kata apa pun, dan []tentukan grup untuk menerapkan salah satu karakter di dalamnya sebagai pasangan. Jika Anda "perluas" \wsebelumnya, []itu akan menjadi kelas karakter dari semua karakter kata. Jika, sebaliknya Anda lakukan []pertama Anda akan memiliki kelas karakter dengan dua karakter \dan wsehingga akan ditemukan pola yang mengandung satu atau lebih dari dua karakter.

Jadi sepertinya sedmelihat []dan memperlakukannya sebagai berisi karakter yang tepat untuk mencocokkan bukannya menghormati urutan khusus \wseperti perldan greplakukan. Tentu saja, []ini benar-benar tidak perlu dalam contoh ini, tetapi orang mungkin bisa membayangkan kasus-kasus di mana itu akan menjadi penting, tetapi kemudian Anda bisa membuatnya bekerja dengan orangtua dan ors.