如何匹配cjk字符和sed？

Question

我想匹配CJK字符。但是下面的正则表达式[[:alpha:]]\+不起作用。有人知道如何匹配CJK字符吗？

$ echo '程 a b' | sed -e 's/\([[:alpha:]]\+\)/x\1/g'
程 xa xb

所需的输出为x程 a b。

Answer 1

正如@WiktorStribiżew建议的那样，使用perl会更容易。

如果Perl是您的选项，请尝试以下操作：

echo "程 a b" | perl -CIO -pe 's/([\p{Script_Extensions=Han}])/x\1/g'

输出：

x程 a b

Answer 2

使用Perl，您的解决方案将如下所示

perl -CSD -Mutf8 -pe 's/\p{Han}+/x$&/g' filename

或者，对于5.20之前的旧Perl版本，使用捕获组：

perl -CSD -Mutf8 -pe 's/(\p{Han}+)/x$1/g' filename

要修改文件内容内联添加-i选项：

perl -i -CSD -Mutf8 -pe 's/(\p{Han}+)/x$1/g' filename

NOTES

• \p{Han}匹配单个中文字符，characters
• $1匹配1个或更多个中文字符的块。value
• -Mutf8是对用Perl捕获的值的反向引用，$&替换为整个匹配value
• -Mutf8让Perl识别直接在Perl中使用的UTF8编码字符code
• -CSD (相当于-CIOED)允许输入解码和输出重新编码(它将适用于UTF8编码)。