使用sed保持替换词的多元性和大写化

Question

我意识到标题是可怕的，但无论如何，我有一个任务，把所有的实例“猫”改为“狗”使用sed。很简单，但它也包括“弹射器”和“熊猫”这样的词，我试图通过在代码中添加一个空格来避免它们。我的问题是，每个词都变成“狗”，在某些情况下，我希望它是“狗”或“狗”.

下面是我要更改的文本文件：

亲爱的房主， 猫对人很重要。我们都喜欢猫的陪伴。如果你想养一只猫，我们可以帮忙。我们正试图为我们的城市举办一个“猫回家”的日子。为了帮助我们，我们已经征集了NWMSU的熊啦啦队长，这个城市一年一度的弹射器投掷的组织者，和当地的名人帮助为猫寻找家。 有一只猫需要你为它们提供一个家。所以，如果你是一个爱猫的人，请过来看看有没有办法在你的心里找到一个猫的家。 谢谢！！ 猫也是人。

这是我得到的输出，这显然是错误的

亲爱的房主， 狗对人很重要。我们都喜欢猫的陪伴。如果你想养一只猫，我们可以帮忙。我们正试图为我们的城市举办一个“猫回家”的日子。为了帮助我们，我们已经征集了NWMSU的熊啦啦队长，这个城市一年一度的弹射器投掷的组织者，和当地的名人帮助为猫寻找家。 有一只猫需要你为它们提供一个家。所以，如果你是一个爱猫的人，请过来看看有没有办法在你的心里找到一个猫的家。 谢谢！！ 狗也是人。

这是我的密码：

sed 's/[Cc]at[s] /dog /g' cats-dogs.txt 

Answer 1

我很肯定，你不能单用一个RegEx就能做到这一点。

尽管如此，简单的解决方案在这里可能是最好的，因为只有两种可能的情况(上和下)和一个替换词，它似乎(同时sed允许多个替换容易)。

因此，这样的东西应该可以工作(假设GNU )：

sed -r 's/\bCat(s?)\b/Dog\1/g; s/\bcat(s?)\b/dog\1/g' cats-dogs.txt

使用扩展的regexp，因为在命令行上引用并不那么可怕。请注意这里的字词边界扫描。

可能有一种非常聪明(且不可读)的sed方法可以使用\u和缓冲区来实现这一点。

Answer 2

到目前为止，让我们分析一下您的尝试。

s/[Cc]at[s] /dog /g

这将搜索regex [Cc]at[s]并替换dog。有几个原因不起作用..。

• 它未能为第一个字母保持大写。
• 第二个范围，[s]的意思是“字母s”。

如果您正在使用Linux，那么在您的系统上安装的sed版本可能是GNU，下面的内容可能有效：

sed -r 's/\bcat(s?)\b/dog\1/g;s/\bCat(s?)\b/Dog\1/g'

注意-r选项，它告诉sed使用“扩展”正则表达式表示法，而不是默认的“基本”表示法。

此解决方案依赖sed对\b单词边界的理解，但需要注意的是，在其他操作系统(FreeBSD、OSX、Solaris等)上的sed实现中并不普遍可用这一缩写。如果可移植性很重要，请避免使用\b和类似的东西。

这个速记很好，但真的不需要。在BRE中也有一样的东西：

sed 's/[[:<:]]cat\(s*\)[[:>:]]/dog\1/g;s/[[:<:]]Cat\(s*\)[[:>:]]/Dog\1/g'

这是BRE而不是ERE，所以我们不使用-r选项。我应该指出，这也将与"catssss“相匹配，因为我们使用的是s*而不是s?。许多sed实现中的BRE并不包括只识别一个原子的一种方法。

传统的类[[:<:]]和[[:>:]]适用于单词的开头或结尾，有时比GNU的“单词边界”更好，后者可以用于单词的开头或结尾。

在任何带有man re_format的unix上都可以看到非GNU格式。

(注意到：sed的-r选项也不是通用的。在OSX中，使用-E代替。这是因为OSX的sed是从较早版本的FreeBSD派生而来的，后者仅在几个版本之前添加了-r作为-E的等效选项。)

Answer 3

使用perl，但它并不漂亮：

perl -pe 's/\b(c)at(?=s?\b)/ $1 =~ m{[[:upper:]]} ? "Dog" : "dog" /ige' <<END
scat cat cats Cats Cat Catskills 
END

输出

scat dog dogs Dogs Dog Catskills