在寫 Markdown 預覽腳本時 [1]，遇到了一個小問題，如何將一段文本里的短橫線替換成空格。例如，將「寫一個-Markdown-預覽腳本」轉化爲「寫一個 Markdown 預覽腳本」。
文本里之所以會出現短橫線，是因爲我用這樣的文本當文件名，用短橫線代替空格。之所以如此，是因爲在命令行 [2] 裏，文件名如果有空格，會給很多讀取文件的程序帶來麻煩。那麼，爲什麼要將文件名裏用來代替的短橫線再變成空格呢？因爲我的 Markdown 預覽腳本希望用文件名作爲文章的標題名。
我要用 sed 解決這個問題，因爲這是學習或複習 sed 的一個好機會。
獲取文件名
圖難於其易，爲大於其細。一步一步來，先寫一個簡單的 Bash 腳本 [3]，名曰 bird：
#!/bin/bash
echo $1
將其放入系統 PATH 變量裏設定的某個目錄內，然後給它可執行權限：
$ chmod +x bird
這個腳本能幹什麼呢？如果我給它一份文件，它能說出文件的名字。例如：
$ bird 寫一份-Markdown-預覽腳本.md
這個腳本的輸出：
寫一份-Markdown-預覽腳本.md
去掉後綴
bird 輸出的文件名裏，後綴 .md，我希望去掉。這樣的事，在 Bash 腳本里，可以有……不知道多少種做法。例如，其中一種是
#!/bin/bash
echo ${1%.md}
若文件名的後綴形式不確定，則更爲通用的去除方法是
#!/bin/bash
echo ${1%.*}
上述方法是使用了 Bash 內置的文本處理功能。sed 也能勝任這一工作……不僅是也能，應該是擅長，但是需要用管道與 echo 命令進行銜接：
#!/bin/bash
echo $1 | sed -e "s/\..*$//g"
執行
$ bird 寫一個-Markdown-預覽腳本.md
輸出
寫一個-Markdown-預覽腳本
發生了什麼？echo $1 的輸出結果通過管道 | 傳給了 sed。sed 本質上是一個文本編輯器，它按照用戶提供的命令對文本進行處理，它拿到 echo $1 的輸出後，根據正則表達式 \..+$ 從其中找出自己感興趣的內容，然後將其替換爲空文本。
s/\..+$//g 就是我給 sed 下的命令。s 的意思是 substitution，替換。\..+$ 是正則表達式，它可以從 sed 要處理的文本中抓住可與之匹配的內容。g 的意思是，global，全局。還有一個空字符，從 sed 命令裏看不到它……否則它就不是空字符了。如果將命令修改爲
s/\..+$/空字符/g
就可以看到它了，但是上述的 bird 的輸出結果會變成
寫一個-Markdown-預覽腳本空字符
sed 的文本替換命令裏的 / 符號是間隔符，用於隔離替換命令的各個元素。該命令的一般形式是
s/目標文本/替換文本/g
目標文本可以是普通的文本，也可以是正則表達式。
正則表達式 \..+$ 是什麼意思呢？首先，\. 是沒有特殊意義的 .，\ 是 sed 的轉義符。\. 可以匹配文本中的 . 符號。第 2 個和第 3 個 .，是任意一個字符的意思。+ 是重複的意思，即它的前一個字符重複 0 次或多次。$ 是文本末尾的意思。綜合起來，\...*$ 的意思是，文本末尾以 . 爲開頭的任何片段。我要去掉的文件名的後綴，正是這樣的片段。
如果開啓 sed 對擴展的正則表達式的支持，上述正則表達式中的 ..* 可替換爲 .+。+ 的意思是，它前面的字符重複 1 次或多次。如果使用擴展的正則表達式，bird 腳本需改爲
#!/bin/bash
echo $1 | sed -E -e "s/\..+$//g"
將短橫線替換爲空格
將上一節最終的 bird 腳本改爲
#!/bin/bash
echo $1 | sed -E -e "s/\..+$//g; s/-/ /g"
即可將文件名中的所有短橫替換爲空格。sed 支持多條文本編輯命令，只需用 ; 將其隔開。
試驗一下：
$ bird 寫一份-Markdown-預覽腳本.md
結果爲
寫一個 Markdown 預覽腳本
看上去，我一開始提出的問題已經得到了很好的解決。
真的是這樣嗎？
當然不是。有時候，文件名裏有一些詞彙含有短橫，它們的作用是連字符號，不應該替換爲空格。例如，gtk-doc-教程.md，其中 gtk-doc 的短橫就是連字符。這個文件名會被 bird 腳本處理成
gtk doc 教程
這樣就不正確了。我想得到的是
gtk-doc 教程
精準捕捉
我認真想了一下，我要替換成空格的短橫線，通常位於漢字和英文字符之間。這種模式，用正則表達式可表示爲 [^a-zA-Z]-[a-zA-Z]，其中 [a-zA-Z] 表示任意一個西文字符，[^a-zA-Z] 是 [a-zA-Z] 的反義。雖然 [^a-zA-Z] 波及的字符不僅僅是漢字，但是我也不懂漢字和西文字符之外的文字了。
基於上述正則表達式，我很快將 bird 改寫爲
#!/bin/bash
echo $1 | sed -E -e "s/\..+$//g;
s/[^a-zA-Z]-[a-zA-Z]/ /g;
s/[a-zA-Z]-[^a-zA-Z]/ /g"
然後執行
$ bird 寫一個-Markdown-預覽腳本.md
結果得到
寫一 arkdow 覽腳本
成功了一小半。個-M 和 n-預 被替換成了空格，因爲上述的正則表達式給抓住的是它們，所以被替換成空格的也是它們。
陷阱
有沒有辦法從正則表達式匹配到的文本里抓取一個片段，從而可以在替換的文本將它們保留下來？
有。正則表達式裏有一個概念……我也不知道這個概念到底叫什麼，我覺得它像個陷阱，可以讓正則表達式匹配到的文本的一部分掉進去，然後等着我把它們撈上來。
下面，我先在 bird 腳本里設一個陷阱，看看效果如何。將 bird 腳本改爲
#!/bin/bash
echo $1 | sed -E -e "s/\..+$//g;
s/([^a-zA-Z])-[a-zA-Z]/\1 /g;
s/[a-zA-Z]-[^a-zA-Z]/ /g"
執行
$ bird 寫一個-Markdown-預覽腳本.md
結果爲
寫一個 arkdow 覽腳本
上一節最後所寫的 bird 腳本在執行上述命令時，丟失的「個」，現在被陷阱 ([^a-zA-Z]) 捕捉到了，然後，我在替換文本里使用 \1 又把它撈了出來。
同理，繼續設陷阱，然後打撈：
#!/bin/bash
echo $1 | sed -E -e "s/\..+$//g;
s/([^a-zA-Z])-([a-zA-Z])/\1 \2/g;
s/([a-zA-Z])-([^a-zA-Z])/\1 \2/g"
下面，測試這個最新版本的 bird，
$ bird 這是-gtk-doc-教程.md
結果爲
這是 gtk-doc 教程
現在，這個 bird 腳本是不是已經很好地解決了本文開始時提出的問題呢？
是的。但是，我並不能確定以後會不會遇到更加難對付的短橫。
附錄
如果不開啓 sed 對擴展的正則表達式的支持，只使用 sed 的基本正則表達式，bird 的寫法會有一些變化：
#!/bin/bash
echo $1 | sed -e "s/\...*$//g;
s/\([^a-zA-Z]\)-\([a-zA-Z]\)/\1 \2/g;
s/\([a-zA-Z]\)-\([^a-zA-Z]\)/\1 \2/g"
挑戰
bird 腳本里的正則表達式還能寫得更簡單一些，試試看吧。
-
詳見拙文「寫一個 Markdown 預覽腳本」。 ↩
-
確切地說，是 Shell，我用的是 Bash Shell。 ↩
-
我曾經寫過一篇很簡單的 Bash 入門教程，見：https://liyanrui.github.io/posts/bash.html ↩