sed 中正则表达式不起作用？已解决

seanGG

在a.txt中，有一行文字，比如“汉字汉字汉字<!-- 正文页画中画 begin -->汉字汉字汉字”

我想将中间的“<!-- 正文页画中画 begin -->”删掉，也就是只留下“汉字汉字汉字汉字汉字汉字”


我用一下sed命令
sed -i 's/<[^<]*>//g' a.txt

结果没有任何变化。也不知到我这个正则表达式的问题出在哪里。请大家帮帮忙。

huan

1. sed 's/<[^>]\+>//'

复制代码

ocean390

其实楼主的正则表达式虽然可能因为疏忽把[^>]写成了[^<]，但还是可以匹配的，sed有一个很大的问题就是，sed的执行会和locale相关。比如说如果文件的编码是gbk的，而locale是utf-8，这时候你所有关于正则表达式的知识都是不起作用的。根据我的经验用sed处理有中文字符处理的文件，最好把locale设置成LC_ALL=C，进行处理，或者你能保证文件的编码和locale是一致的情况下。

wxhh12

Post by huan;1793705

1. sed 's/<[^>]\+>//'

复制代码

可以解释一下了

wxhh12

Post by huan;1793705

1. sed 's/<[^>]\+>//'

复制代码

可以解释一下不　　<[^>]\+>

ocean390

Post by huan;1793705

1. sed 's/<[^>]\+>//'

复制代码

没注意这个正则表达式是无法匹配的，如果sed不加-r参数就是表示使用的基本正则表达式，这时+就是一个普通字符。如果加了-r就表示使用的是扩展的正则表达式，这时s/<[^>]+>//匹配<后面跟1个或者无穷多个不是>的字符，然后跟着一个>，而如果把+换成*，则可以包含0个或者无穷多个，前面加上\就使＋失去了特殊的意义，变成了匹配一个+。估计可能是受了在基本正则表达式中{}()都要在前面加上\才能具有扩展正则表达式中的特殊意义的影响，才想当然的加了\。

dacheng

sed和grep均使用基本的正则表达式，egrep和awk才使用扩展的正则表达式，主要的扩展有：+、？、|和（）

seanGG

Post by ocean390;1793804
其实楼主的正则表达式虽然可能因为疏忽把[^>]写成了[^<]，但还是可以匹配的，sed有一个很大的问题就是，sed的执行会和locale相关。比如说如果文件的编码是gbk的，而locale是utf-8，这时候你所有关于正则表达式的知识都是不起作用的。根据我的经验用sed处理有中文字符处理的文件，最好把locale设置成LC_ALL=C，进行处理，或者你能保证文件的编码和locale是一致的情况下。

完全正确。文件的编码是GBK的，我将它转换成utf-8后，搞定了。
多谢楼上各位

另外能否解释一下 LC_ALL=C

ocean390

就是把locale设置成C，如果是bash的话执行一下export LC_ALL=C就可以了，如果是tcsh
就要setenv LC_ALL=C。

gregorian

LC_ALL=C和LANG＝en这两个有什么区别
我在实际使用中碰到的是字符显示有问题，然后是用LANG来设置的
我的系统（rhel4u4）上没有LC_ALL变量，系统会从什么地方去默认值