Question

$ echo '!abcae20' | grep -o -P '(?=.*\d)\w{4,}'

这将输出 nothing 。

但是以下工作：

$ echo '!abcae20' | grep -o -P '.*?(?=.*\d)\w{4,}'

!abcae20

有人可以给我一个解释吗？

Answer 1

在您的第一个表达式中，前瞻断言将您的输入与（greedy）匹配。

在正则表达式上运行调试测试会显示以下内容。

Matching REx "(?=.*\d)\w{4,}" against "!abcae20"
0 <> <!abcae20>           |  1: IFMATCH[0](8)
0 <> <!abcae20>           |  3: STAR(5)
                                REG_ANY can match 8 times out of 2147483647...
8 <!abcae20> <>           |  5: DIGIT(6)
                                failed...
7 <!abcae2> <0>           |  5: DIGIT(6)
8 <!abcae20> <>           |  6: SUCCEED(0)
                                subpattern success...
0 <> <!abcae20>           |  8: CURLY {4,32767}(11)
                                ALNUMU can match 0 times out of 2147483647...
                                failed...
Match failed

解释导致匹配失败的原因..

＆LT;的 abcae20 ＆GT;！

The greedy quantifier first matches as much as possible. So the .* here is matching the entire string.

＆LT; !abcae20＆GT;

Then tries to match any numeric character following, but there are no characters left to match.

＆LT; !abcae2的 0 ＆GT;

So it backtracks making the greedy match, match one less character leaving the --> 0 <-- at the end unmatched.

＆LT; !abcae20＆GT;

So it backtracks again matching one less leaving it unmatched.

＆LT;的 abcae20 ＆GT;！

So it backtracks one more step matching one less again and failing your match.

正则表达式解释：

(?= look ahead to see if there is: .* any character except \n (0 or more times) \d digits (0-9) ) end of look-ahead \w{4,} word characters (a-z, A-Z, 0-9, _) (at least 4 times)

你的第二个表达式确实与前面的非贪婪!匹配.*?，后跟你的前瞻断言匹配!abcae2，然后回溯以匹配你的单词字符和完整的字符串。

正则表达式解释：

.*? any character except \n (0 or more times) (?= look ahead to see if there is: .* any character except \n (0 or more times) \d digits (0-9) ) end of look-ahead \w{4,} word characters (a-z, A-Z, 0-9, _) (at least 4 times)

Answer 2

这有效：

echo '!abcae20' | grep -o -P '.*?(?=.*\d)\w{4,}

由于.*?与!匹配，(?=.*\d)与abcae20匹配，\w{4,}与abcae20匹配。

在这一个：

echo '!abcae20' | grep -o -P '(?=.*\d)\w{4,}'

前瞻与!abcae20匹配，贪婪。但是，\w{4,}无法与!匹配，因此失败。

以下是失败的perl regex调试输出：

Matching REx "(?=.*\d)\w{4,}" against "!abcae20"
   0 <> <!abcae20>           |  1:IFMATCH[0](8)
   0 <> <!abcae20>           |  3:  STAR(5)
                                    REG_ANY can match 8 times out of 2147483647...
   8 <!abcae20> <>           |  5:    DIGIT(6)
                                      failed...
   7 <!abcae2> <0>           |  5:    DIGIT(6)
   8 <!abcae20> <>           |  6:    SUCCEED(0)
                                      subpattern success...
   0 <> <!abcae20>           |  8:CURLY {4,32767}(11)
                                  ALNUM can match 0 times out of 2147483647...
                                  failed...

Answer 3

$ echo '!abcae20' | grep -o -P '(?=.*\d)\w{4,}'

在这个正则表达式中，前瞻(?=.*\d)在字符串本身的开头捕获!abcae2，因此将从字符串的开头尝试为\w{4,}。但由于!与\w不匹配，因此完全匹配失败

可能跟随正则表达式会清除事情

$ echo '!abcae20' | grep -o -P '(?=\w*\d)\w{4,}'
abcae20

此处预测仅捕获abcae2并且匹配从a开始，因此生成的匹配abcae20

$ echo '!abcae20' | grep -o -P '.*?(?=.*\d)\w{4,}'
!abcae20

在上面的正则表达式中，您允许!首先捕获.*?，因此完全匹配。

Answer 4

根据man pcrepattern：

如果模式以.*或.{0,}开头，并设置PCRE_DOTALL选项（相当于Perl＆＃39; s /s），从而允许点匹配对于新行，模式是隐式锚定，因为将对主题字符串中的每个字符位置尝试以下内容，因此在第一个之后的任何位置重试整个匹配都没有意义。< / p>

正如联机帮助页所提到的那样，如果.*位于用作反向引用的括号内组中，则无法使用该优化，因为在这种情况下，可能有一点重试整个匹配一些后来的位置。相同的论点意味着在零长度前瞻的情况下，这种优化是不正确的，正如OP中的模式所提到的那样。

从联机帮助页中不清楚前瞻中的.*是否会导致隐式锚点，但它肯定是可能的（尽管那可能是一个bug，imho）。无论出于何种原因，添加(?-s)（我认为会关闭PCRE_DOTALL）不会改变行为。但是，将.*更改为其他内容。特别是，将其更改为[^\d]*会使正则表达式具有预期的输出：

$ echo '!abcae20' | grep -P -o '(?=[^\d]*\d)\w{4,}'
abcae20

至少有趣的是，有些情况下前瞻断言显然没有创建隐式锚点，这可能会对上述分析产生一些疑问。但它可能只是与其他一些优化的互动。特别是，

$ echo '!abcae20' | grep -P -o '(?=.*\d)a'
a
$

如果模式被锚定，显然无法工作。另一方面，将a更改为[ab]，可能认为这不会改变匹配：

$ echo '!abcae20' | grep -P -o '(?=.*\d)[ab]'
$

（非常感谢@perreal对这个问题进行了精彩的讨论。）

最初让我认为这可能是一个错误的一些观察结果是：

$ echo '!abcde20' | grep -P -o '(?=.*\d)\w*'
abcde20
$ echo '!abcde20' | grep -P -o '(?=.*\d)\w+'
$ echo '!abcde20' | grep -P -o '(?=.*\d)\w'
$ echo '!abcde20' | grep -P -o '(?=.*\d)\w?'
a
b
c
d
e
2
0

这一切看起来都不合逻辑，但如果模式是隐式锚定的话，它实际上是有意义的。在第一个和最后一个案例（\w*和\w）中，模式将匹配输入开头的空字符串。然后grep -o将在下一个字符位置重试该模式，并在该位置成功。在其他两种情况下（\w+和\w），锚定模式将失败，因此grep将不会重试它。

尽管如此，我坚持认为隐式锚定（如果发生了这种情况）是一个错误，因为该联机帮助页很清楚它是优化并且优化不应该改变行为。（此外，它与(?=.*\d)a匹配不一致。）但是错误可能在文档中，因为 - 根据@perreal - Perl也拒绝这些匹配，并且pcre的目标是与Perl兼容。

Answer 5

原因：

(?=.*\d)\w{4,}

没有返回任何东西是因为第一部分：

(?=.*\d)

与整个表达相匹配，是一个积极的前瞻。正向前瞻是一种不返回其值的匹配。有关更好的说明，请参阅perldoc perlre

为什么这个正则表达式不起作用？

5 个答案: