☰

sed 的贪婪匹配不应匹配该字符串，但确实如此

tag-icon • tag-icon sed regular-expression
sed 的贪婪匹配不应匹配该字符串，但确实如此

根据我在网上阅读的内容，很难理解sed.我对看似懒惰的匹配感到困惑。

在 中~/tmp/tmp.txt，我有一行包含 3 个字母数字字符串，并用 2 个制表符分隔：TheQuick<TAB>BrownFox<TAB>JumpedOver。如果我发出sed -n -E '/^.+\t.+\t.+$/p' ~/tmp/tmp.txt，该行就会打印出来。

在我看来，它不应该，因为即使正则表达式匹配由 2 个制表符分隔的 3 个字符串，这些字符串也不是字母数字。因此，第一个字符串应该贪婪地吞噬该行上的所有字符，不留下任何与第一个选项卡匹配的内容。

我如何理解这种行为，以便我可以制作可靠的正则表达式？我正在使用 GNU sed。

答案1

贪婪匹配系统只是意味着它会尝试找到最大的匹配字符串（意思是第一的最大，它将在整个正则表达式的第一个匹配处停止搜索），而不是即使存在匹配字符串，它也会在不匹配的字符串处停止。将其视为“为我找到最大可能的匹配项，但一定要为我找到匹配项！”的命令。由于允许第一个.\+吃掉整个字符串意味着正则表达式不匹配，因此引擎将返回并尝试其他操作。

在您的情况下，它甚至更简单，因为您将正则表达式锚定到行的开头和结尾（^和$），因此.+永远无法到达行尾，因为正则表达式中还有其他内容。

这是一个可能有助于解释贪婪匹配的示例：

$ echo aaaaaaa | sed 's/a*/B/'
B

这里，由于正则表达式的a*意思是“匹配0个或多个连续a字符”，所以贪心匹配会找到最大可能的匹配细绳。非贪婪匹配（例如使用 PCRE）将返回：

$ echo aaaaaaa | perl -pe 's/a*?/B/'
Baaaaaaa

这是因为非贪婪会找到最短的匹配字符串而不是最长的。

我不明白你为什么提到字母数字或它有何相关性。也许您误解了.并认为只匹配字母数字字符串，但事实并非如此；.将匹配所有内容（取决于您使用的正则表达式的风格以及您提供的选项，它甚至可以匹配换行符）。如果您想要字母数字字符串，您可以使用[[:alnum:]]匹配 的POSIX 字符类[a-zA-Z0-9]。

相关内容