如何用sed匹配cjk字符？

Question

我想匹配CJK字符。但是以下正则表达式[[:alpha:]]\+不起作用。有人知道匹配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所建议的那样，使用perl会更容易。
如果您选择Perl，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，您的解决方案将像

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

或者，对于5.20之前的Perl较旧的版本，请使用捕获组：

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

要内联修改文件内容，请添加-i选项：

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

注释

• \p{Han}匹配单个汉字，\{Han}+匹配1个或多个汉字的大块
• $1是对用(\p{Han}+)捕获的值的反向引用，$&替换为整个匹配值
• -Mutf8使Perl能够识别直接在您的Perl代码中使用的UTF8编码的字符
• -CSD（相当于-CIOED）允许输入解码和输出重新编码（适用于UTF8编码）。