☰

为什么空匹配正则表达式在 sed 和 grep 中的工作方式不同？

tag-icon • tag-icon sed grep regular-expression
为什么空匹配正则表达式在 sed 和 grep 中的工作方式不同？

例如，使用 Debian 或 Debian 派生系统上的工具，像 之类的正则表达式N*可以匹配空字符串，可能会导致 sed 中的匹配：

$ echo 'Hello' | sed 's/N*/ xx&xx /g'
  xxxx H xxxx e xxxx l xxxx l xxxx o xxxx

xxxx这是每个字符串字符之前的空匹配（因此是字符串，中间没有字符）的正确结果xx&xx（在 中 6 次Hello。尾随换行符不算在内，它不匹配）。

并且，如果任何字符（或字符组）匹配，它将出现在xx和之间xx：

$ echo  'Hello' | sed 's/e*/ xx&xx /g'
 xxxx H xxexx l xxxx l xxxx o xxxx

然而，grep 中的相同正则表达式会不是匹配空字符串：

$ echo 'Hello' | grep -o 'N*'

但会打印仅有的非空匹配：

$ echo 'Hello' | grep -o 'e*'
e

grep 中是否有额外的内部规则来避免empty正则表达式匹配？

答案1

grep -o记录grep --help为

  -o, --only-matching       show only nonempty parts of lines that match

和在手册中作为

仅打印匹配行的匹配（非空）部分，每个此类部分位于单独的输出行上。

所以是的，有一个额外的规则grep -o：只有匹配项非空时才会输出。

在 中echo 'Hello' | grep -o 'N*'，正则表达式匹配（通过查看返回码可以看出，或者使用echo 'Hello' | grep 'N*'），但因为匹配为空，所以没有输出任何内容。

答案2

0 长度字符串匹配的行为在代码中可以是特殊情况，也可以不是。例如sed但不是perl

$ echo aabb | sed 's/a*/X/g'
XbXbX
$ echo aabb | gsed 's/a*/X/g'
XbXbX
$ echo aabb | perl -ple 's/a*/X/g'
XXbXbX

行为可能来自 vi 历史上的行为方式正如在深处所见ex/ex_subst.c：

    /*
     * !!!
     * It's possible to match 0-length strings -- for example, the
     * command s;a*;X;, when matched against the string "aabb" will
     * result in "XbXbX", i.e. the matches are "aa", the space
     * between the b's and the space between the b's and the end of
     * the string.  There is a similar space between the beginning
     * of the string and the a's.  The rule that we use (because vi
     * historically used it) is that any 0-length match, occurring
     * immediately after a match, is ignored.  Otherwise, the above
     * example would have resulted in "XXbXbX".  Another example is
     * incorrectly using " *" to replace groups of spaces with one
     * space.

（另一个问题可能是零宽度匹配永远匹配；我很确定有“只是移动到下一个字符......”代码来防止这种情况，可能会添加后有人的 CPU 有几次达到 100%，手掌碰到了额头。）

BSD 和 GNU 都在表达式ed上失败了s/a*/X/g，所以特殊行为可能是一个ex-vi时代变化，逃逸到sed?

$ echo aabb > foo
$ ed foo
5
s/a*/X/g
?
s/a*/X
Xbb
Q

答案3

$ echo 'Hello' | grep -o 'N*'
$ echo $?
0

它做匹配该输入行的空子字符串，如退出状态所示。 （使用不同的模式，如N，我们在标准输出上仍然什么也得不到，但退出状态为1, failure。）

-o使它不打印空匹配，但这与正则表达式是否匹配任何输入行无关。 （是的，我们可以区分这一点；如果它打印了一个空字符串匹配，它会在每次匹配后输出一个换行符，因此提示符之前会有一个空行。或者 6，每个匹配一个。）

如果没有-o，它会打印整个匹配行：

$ echo 'Hello' | grep  'N*'          # same as grep '' empty pattern
Hello

相关内容