为什么 sed 不能在这个文件中一次匹配一个以上的字符？

Question

我想使用 sed 来处理 visual studio 生成的一堆文件。似乎有问题的文件有一些神奇的东西导致 sed 的行为不同，即使它被赋予相同的字符串：

生成相同字符串的两种场景：

$ echo "#endif    // not APSTUDIO_INVOKED"
#endif    // not APSTUDIO_INVOKED

$ cat Version.rc.in | tail -n 3 | head -n 1
#endif    // not APSTUDIO_INVOKED

无论哪种情况，我都可以一次替换一个字符：

$ echo "#endif    // not APSTUDIO_INVOKED" | sed 's/A/B/'
#endif    // not BPSTUDIO_INVOKED

$ cat Version.rc.in | tail -n 3 | head -n 1 | sed 's/A/B/'
#endif    // not BPSTUDIO_INVOKED

但是当我尝试替换一个以上的字符时，文件输出失败，但回显输出成功。

$ echo "#endif    // not APSTUDIO_INVOKED" | sed 's/AP/B/'
#endif    // not BSTUDIO_INVOKED

$ cat Version.rc.in | tail -n 3 | head -n 1 | sed 's/AP/B/'
#endif    // not APSTUDIO_INVOKED

进一步的修改使我确信这一限制与 sed 匹配长度超过一个字符的字符串的能力有关。例如 's/A/XXX/' 有效，但 's/AP/BB/' 无效。

为什么？

我在 Windows Server 2012

上使用 Cygwin

$ uname -a
CYGWIN_NT-6.3 MattsWinBox 2.3.1(0.291/5/3) 2015-11-14 12:44 x86_64 Cygwin

Answer 1

只是猜测：来自 visual studio 的文件可能使用 UTF-16 编码，每个字符占用两个字节，而 sed 可能不知道这一点。您尝试使用以下命令进行检查：

echo "#endif    // not APSTUDIO_INVOKED" | od -c
cat Version.rc.in | tail -n 3 | head -n 1 | od -c

od -c 逐个字符地转储输入数据，对不可打印的字符使用本地代码。

对于第一个命令，我在 linux 上得到以下输出：

0000000   #   e   n   d   i   f                   /   /       n   o   t
0000020       A   P   S   T   U   D   I   O   _   I   N   V   O   K   E
0000040   D  \n
0000042

为什么 sed 不能在这个文件中一次匹配一个以上的字符？

Why can't sed match more than one character at a time in this file?

cygwin

sed

visual-studio