☰

问题

tag-icon • tag-icon regular-expression wildcards
问题

我回答了关于超级用户的这个问题这与 grep 输出时使用的正则表达式有关。

我给出的答案是这样的：

 tail -f log | grep "some_string.*some_string"

然后，在我的回答的三个评论中@鲍勃写了这个：

.*是贪婪的，可能会捕获比您想要的更多的东西。.*?通常会更好。

那么这个，

the?是 的修饰符*，使其变得惰性而不是默认的贪婪。假设PCRE。

我用谷歌搜索PCRE，但无法理解这在我的答案中有何意义？

最后这个，

我还应该指出，这是正则表达式（grep 默认执行 POSIX 正则表达式），而不是 shell glob。

我只知道什么是正则表达式以及它在 grep 命令中的基本用法。所以，我无法收到这 3 条评论中的任何一条，我心中有以下问题：

  • 使用上有什么区别.*?与.*？
  • 哪个更好，在什么情况下？请举例说明。

如果有人可以的话，理解这些评论也会很有帮助

更新：作为问题的答案正则表达式与 Shell Glob 有何不同？ @Kusalananda假如这个链接在他的评论中。

注：如有需要，请阅读我对这个问题的回答在回答之前参考上下文。

答案1

假设我采用如下字符串：

can cats eat plants?

使用贪婪运算符c.*s将匹配整个字符串，因为它以 开头c并以 结尾s，作为贪婪运算符，它会继续匹配直到最后出现 s。

而使用惰性c.*?s只会匹配直到s找到第一次出现，即 string can cats。

从上面的例子中，您可能可以得出以下结论：

“贪心”意味着匹配尽可能长的字符串。 “懒惰”意味着匹配尽可能短的字符串。将 a 添加?到量词（如*、+、?或 ）{n,m}会使其变得惰性。

答案2

阿肖克已经指出.*和之间的区别.*?，所以我只提供一些额外的信息。

grep（假设是GNU版本）支持4种字符串匹配方式：

  • 固定字符串，带有-F选项
  • 基本正则表达式 (BRE)，默认
  • 扩展正则表达式 (ERE)，带有-E选项
  • Perl 兼容的正则表达式 (PCRE)，带有-PGNU grep 中的选项

grep默认使用 BRE。

BRE 和 ERE 记录在常用表达POSIX 和 PCRE 的章节记录在官方网站。请注意，功能和语法可能因实现而异。

值得一提的是，BRE和ERE都不支持懒惰:

多个相邻重复符号（“+”、“*”、“?”和间隔）的行为会产生未定义的结果。

因此，如果您想使用该功能，则需要使用 PCRE：

# PCRE greedy
$ grep -P -o 'c.*s' <<< 'can cats eat plants?'
can cats eat plants

# PCRE lazy
$ grep -P -o 'c.*?s' <<< 'can cats eat plants?'
can cats

你能解释一下吗.*与.*?？

  • .*用于匹配可能的“最长” 1模式。

  • .*?用于匹配可能的“最短” 1模式。

根据我的经验，最想要的行为通常是第二个。

例如，假设我们有以下字符串，我们只想匹配 html 标签2，而不是它们之间的内容：

<title>My webpage title</title>

现在.*比较.*?：

# Greedy
$ grep -P -o '<.*>' <<< '<title>My webpage title</title>'
<title>My webpage title</title>

# Lazy
$ grep -P -o '<.*?>' <<< '<title>My webpage title</title>'
<title>
</title>

1. 正则表达式上下文中“最长”和“最短”的含义有点棘手，正如库萨罗南达指出的。请参阅官方文档以获取更多信息。
2.不建议使用正则表达式解析 html。这只是用于教育目的的示例，请勿在生产中使用它。

答案3

字符串可以通过多种方式进行匹配（从简单到更复杂）：

  1. 作为静态字符串（假设 var='Hello World!'）：

    [ "$var" = "Hello World!" ] && echo yes
    echo "$var" | grep -F "Hello"
    grep -F "Hello" <<<"$var"

  2. 作为一个球体：

    echo ./* ＃ 列表全部pwd 中的文件。
    case $var in (*Worl*) echo yes;; (*) echo no;; esac
    [[ "$var" == *"Worl"* ]] && echo yes

    有基本的和扩展的 glob。该case示例使用基本的 glob。 bash[[示例使用扩展的 glob。第一个文件匹配可以是基本的，也可以是某些 shell 上的扩展，例如extglobbash 中的设置。在这种情况下两者是相同的。 Grep 无法使用 glob。

    a 中的星号全局与 a 中的星号含义不同正则表达式:

    * matches any number (including none) of任何字符。
    * matches any number (including none) of the前面的元素。

  3. 作为基本正则表达式 (BRE)：

    echo "$var" | sed 's/W.*d//' # 打印：你好！
    grep -o 'W.*d' <<<"$var" # 打印世界！

    （基本）shell 或 awk 中没有 BRE。

  4. 扩展正则表达式（ERE）：

    [[ "$var" =~ (H.*l) ]] # 比赛：你好，世界
    echo "$var" | sed -E 's/(d|o)//g' # print: 地狱咆哮！
    awk '/W.*d/{print $1}' <<<"$var" # 打印：你好
    grep -oE 'H.*l' <<<"$var" # 打印：你好，世界

  5. Perl 兼容的正则表达式：

    grep -oP 'H.*?l # 打印：赫尔

仅在 PCRE 中 a*?具有某些特定的语法含义。
它使星号变得懒惰（不贪婪）：用懒惰代替贪婪。

$ grep -oP 'e.*l' <<<"$var"
ello Worl

$ grep -oP 'e.*?l' <<<"$var"
el

这只是冰山一角，还有贪婪、懒惰， 和温顺或占有欲。还有前瞻和后瞻但这些不适用于星号*。

有一种替代方法可以获得与非贪婪正则表达式相同的效果：

$ grep -o 'e[^o]*o' <<<"$var"
ello

这个想法非常简单：不要使用点.，否定下一个要匹配的字符[^o]。使用网络标签：

$ grep -o '<[^>]*>' <<<'<script type="text/javascript">document.write(5 + 6);</script>'
<script type="text/javascript">
</script>

以上应该完全澄清了所有 @Bob 3 的评论。释义：

  • .* 是常见的正则表达式，而不是 glob。
  • 只有正则表达式可以与 PCRE 兼容。
  • 在 PCRE 中：a ?修改*量词。.*是贪心.*?不是。

问题

  • 使用上有什么区别。？与.？

    • A.*?仅在 PCRE 语法中有效。
    • A.*更便携。
    • 通过用否定的字符范围替换点可以达到与非贪婪匹配相同的效果：[^a]*

  • 哪个更好，在什么情况下？请举例说明。
    更好的？这取决于目标。没有更好的，每种都有不同的用途。我在上面提供了几个例子。您还需要更多吗？

相关内容