sed 删除下划线并提升字符

Question

我正在尝试将一些代码从旧的命名方案迁移到新的命名方案，旧的命名方案是：

int some_var_name;

新的命名方案是

int someVarName_:

所以我希望使用某种形式的 sed / regexy 来简化这一过程。所以从根本上来说需要发生的是：
查找包含 _ 的小写单词，将下划线替换为空，并将 _ 右侧的字符提升为大写。之后在比赛末尾添加 _。

是否可以使用 Sed 和/或 Awk 和正则表达式来做到这一点？如果不是为什么不呢？

任何示例脚本将不胜感激。

非常感谢您的帮助。

编辑：
为了清楚起见，重命名是针对许多使用错误的命名约定编写的文件，需要与代码库的其余部分保持一致。预计这不会进行完美的替换，使所有内容都处于可编译状态。相反，脚本将运行，然后手动检查是否有任何异常。替换脚本纯粹是为了减轻必须手动纠正所有内容的负担，我相信您会同意这是相当乏味的。

Answer 1

sed -re 's,[az]+(_[az]+)+,&_,g' -e 's,_([az]),\u\1,g'

说明：

这是一个包含 2 个表达式的 sed 命令（每个表达式都在 -e 后面加引号。） s,,,g 是全局替换。您通常会看到它带有斜杠而不是逗号，但我认为当您在模式中使用反斜杠（并且没有逗号）时，这更容易阅读。尾随的 g（表示“全局”）意味着将此替换应用于每行上的所有匹配项，而不仅仅是第一行。

第一个表达式会将下划线附加到由小写单词 ([az]+) 组成的每个标记，后跟由下划线分隔的非零个小写单词 ((_[az]+ )+)。我们将其替换为 &_，其中 & 表示“所有匹配的内容”，而 _ 只是文字下划线。所以总的来说，这个表达式是说在每个 underscore_separated_lowercase_token 的末尾添加一个下划线。

第二个表达式与模式 _([az])) 匹配，其中 ( 和 ) 之间的所有内容都是捕获组。这意味着我们稍后可以将其作为 \1 引用（因为它是第一个捕获组。如果还有更多，它们将是 \2、\3，等等。）。所以我们说要匹配下划线后面的小写字母，并记住该字母。

我们将其替换为 \u\1，这是我们刚刚记住的字母，但将 \u 变为大写。

这段代码没有做任何聪明的事情来避免修改 #include 行或类似的事情；它将用其等效的大写字母替换下划线后面的每个小写字母。

Answer 2

几年前，我成功地将 300,000 LOC 23 年历史的旧代码库转换为驼峰命名法。只花了两天时间。但有一些挥之不去的影响需要几个月的时间才能解决。这是惹恼其他程序员的非常好方法。

我相信简单、愚蠢、类似 sed 的方法有其优点。据我所知，基于 IDE 的工具等不能：

• 更改未通过 #ifdef 编译的代码
• 更改注释中的

代码并且遗留代码必须在多个不同的编译器/操作系统平台上维护（=很多#ifdef）。

类似于 sed 的愚蠢方法的主要缺点是字符串（例如关键字）可能会无意中被更改。我只为 C 做过这个； C++ 可能是另一桶鱼。

大约有五个阶段：

1) Generate a list of tokens that you wish to change, and manually edit.
2) For each token in that list, determine the new token.
3) Apply these changes to your code base.
4) Compile.
5) Double-check via a manual diff, and do a final clean-up.

对于步骤 1，要生成要更改的标记列表，命令：

cat *.[ch] | sed 's/\([_A-Za-z0-9][_A-Za-z0-9]*\)/\nzzz \1\n/g' | grep -w zzz | sed 's/^zzz //' | grep '_[a-z]' | sort -u > list1

将在 list1 中生成：

st_atime
time_t
...

在此示例中，您确实不想更改这两个标记，因此请手动编辑列表以删除它们。但您可能会错过一些，因此在本示例中，假设您保留了这些。

下一步 2 是生成一个脚本来进行更改。例如，命令：

cat list1 | sed 's/\(.*\)/glob_sub "\\<\1\\>" xxxx_\1/;s/\(xxxx_.*\)_a/\1A/g;s/\(xxxx_.*\)_b/\1B/g;s/\(xxxx_.*\)_a/\1C/g;s/\(xxxx_.*\)_t/\1T/g' | sed 's/zzz //' > list2

将把 _a、_b、_c 和 _t 更改为 A、B、C 和 T，以生成：

glob_sub "\<st_atime\>" xxxx_stAtime
glob_sub "\<time_t\>" xxxx_timeT

您只需将其扩展以覆盖 d、e、f、...、x、y ，z，

我假设您已经为您的开发环境编写了类似“glob_sub”的内容。 （如果没有，现在放弃。）我的版本（csh，Cygwin）看起来像：（

#!/bin/csh
foreach file (`grep -l "$1" */*.[ch] *.[ch]`)
  /bin/mv -f $file $file.bak
  /bin/sed "s/$1/$2/g" $file.bak > $file
end

我的一些 sed 不支持 --in-place 选项，所以我必须使用 mv。）

第三步是将 list2 中的这个脚本应用到您的代码库中。例如，在 csh 中使用 source list2。

第四步，编译。编译器将（希望如此！）反对xxxx_timeT。事实上，它可能应该只反对 timeT 但额外的 xxx_ 增加了保险。所以从 time_t 来看你犯了一个错误。使用例如撤消它

glob_sub "\<xxxx_timeT\>" time_t

第五步也是最后一步是使用您最喜欢的 diff 实用程序手动检查您的更改，然后通过删除所有不需要的 xxx_ 前缀进行清理。 Grepping for "xxx_ 也将有助于检查字符串中的标记。（事实上，添加 _xxx 后缀可能是一个好主意。）

Answer 3

考虑使用 sed 来搜索和替换所有文本，如下所示。如果没有 C++ 分词器来识别标识符（特别是您的标识符，而不是标准库中的标识符），您就完蛋了。 Push_back 被重命名为 PushBack_。地图::插入到地图::insert_。映射到map_。 basic_string 到 basicString_。 printf 到 printf_ （如果你使用 C 库）等等。如果你不加区别地这样做，你将会陷入一个受伤的世界。

我不知道有任何现有工具可以自动将 some_var_name 重命名为 someVarName_ 而不会出现上述问题。人们否决这篇文章可能是因为他们不明白我在这里的意思。我并不是说 sed 不能做到这一点，我只是说它不会给你你想要的东西，只需按原样使用它。解析器需要上下文信息才能正确执行此操作，否则它将替换比应替换的更多内容。

如果它可以识别哪些标记是标识符（特别是您的标识符），则可以编写一个解析器来执行此操作（例如：使用 sed），但我怀疑是否有一个专门用于您想要执行的操作的工具没有一些手动肘部润滑脂（尽管我可能是错的）。以这种方式对所有文本进行简单的搜索和替换本质上是有问题的。

然而，Visual AssistX（可以选择替换文档中的实例）或任何其他能够为标识符出现的每个实例智能地重命名标识符的重构工具至少可以大大减轻以这种方式重构代码的负担。如果您有一个名为 some_var_name 的符号，并且在系统中的一千个不同位置引用了它，则使用 VAssistX 您只需使用一个重命名函数即可巧妙地重命名所有引用（这不仅仅是文本搜索和替换）。 查看 Visual Assist X 的重构功能。

使用 VAX 以这种方式重构一百个变量可能需要 15 分钟到半小时（如果使用热键，速度会更快），但它肯定胜过使用文本搜索并用 sed 替换，如其他答案中所述，并且具有各种替换了不应替换的代码。

[主观]顺便说一句：如果你问我的话，下划线仍然不属于驼峰式大小写。 lowerCamelCase 命名约定应使用 lowerCamelCase。关于这一点有很多有趣的论文，但至少你们的惯例是一致的。如果它是一致的，那么这就是一个巨大的优势，而不是像 fooBar_Baz 这样的东西，一些愚蠢的程序员写的东西认为它以某种方式使事情更容易对规则做出特殊例外。[/主观]