awk在处理非ascii字符的regex时是非贪婪的吗？

Programming
1

下面两段代码的执行结果让我百思不得其解：

❯ echo This++++this+++is+not++done | awk '{gsub(/\++/," ");}1'
This this is not done

❯ echo "x・・・・・・・・・・・・・・・・x" | awk '{gsub(/・+/,"A");}1'
xAAAAAAAAAAAAAAAAx

可以看到，上面将超出一次出现的+进行了替换，连续的+变成了空格，合理；

但下面的类似命令，则是将每一个单独的・替换成了A，而非贪婪地将所有的一连串・进行替换。

我思索了很久也只能想到・和+的不同在于・是非ascii字符，不知道是不是这个原因？另外如果需要实现类似的效果，awk命令该怎么写？

2

因为这个字符是由多个 byte 组成的，假设 ・ 是由 byte ABC 组成的，两个 ・・，就是 ABCABC，awk 会看到 /ABC+/ 就只会匹配到 ABC

最简单的解决办法是写成一个 group，这样 awk 看到的就是 /(ABC)+/

1 个赞
3

原来如此！看来想到是非ASCII字符的方向考虑对了，但是没有进一步再深挖一下背后的原因，还是我自身知识储备有欠缺呀。