使用 sed 在捕获组内替换

Posted 2023-03-24

【中文标题】使用 sed 在捕获组内替换

【英文标题】：Replace within capture group using sed

【发布时间】：2018-07-23 02:21:10

【问题描述】：

我正在尝试在一些包含短语分隔符的文本中使用 word2vec，例如

I <phrase>like green beans</phrase> in my tortillas.

在将文本输入 word2vec 之前，我需要输入：

I __like_green_beans__ in my tortillas.

我一直在尝试使用 sed 进行替换。通过做

sed -e 's@<phrase>\(.*\)</phrase>@__\1__@g' myfile.txt 

我可以去掉分隔符，但我还没有找到替换捕获组中空格的方法。

如果可以使用 sed 有什么想法吗？

【问题讨论】：

这可能有用：Replace multiple occurrences between two strings.

感谢@PesaThe，我能够使用其中描述的 perl 方式获得我想要的结果。

【参考方案1】：

你可以试试这个 sed

sed -E ':A;s/(>[^ ]*) ([^<]*<)/\1_\2/;tA;s/<[/]*phrase>/__/g'

【讨论】：

不确定在我的整个文本语料库中运行它时会如何扩展，但它可以完成工作。谢谢:)

作为参考，这个用法依赖于 GNU sed。对于 sed 的其他变体（尤其是 BSD、macOS 中的变体），您可能需要将其分成多个脚本段，如下所示：sed -E -e ':A' -e 's/(>[^ ]*) ([^<]*<)/\1_\2/;tA' -e 's/<[/]*phrase>/__/g'

【参考方案2】：

使用gnu-awk：

awk -v ORS= -v RS='<phrase>.*</phrase>' '1;
RTgsub(/<\/?phrase>/, "___", RT); gsub(/ /, "_", RT); print RT' file

I ___like_green_beans___ in my tortillas.