Question

考虑字符串"AB 1 BA 2 AB 3 BA"。如何以非贪婪的方式（以awk格式）匹配"AB"和"BA"之间的内容？

我尝试了以下内容：

awk '
BEGIN {
    str="AB 1 BA 2 AB 3 BA"
    regex="AB([^B][^A]|B[^A]|[^B]A)*BA"
    if (match(str,regex))
        print substr(str,RSTART,RLENGTH)
}'

没有输出。我认为不匹配的原因是"AB"和"BA"之间存在奇数个字符。如果我将str替换为"AB 11 BA 22 AB 33 BA"，则正则表达式似乎有用..

Answer 1

合并你的两个否定字符类并从第二个替换中删除[^A]：

regex = "AB([^AB]|B|[^B]A)*BA"

这个正则表达式在字符串ABABA上失败了 - 但不确定这是否有问题。

<强>说明：

AB       # Match AB
(        # Group 1 (could also be non-capturing)
 [^AB]   # Match any character except A or B
|        # or
 B       # Match B
|        # or
 [^B]A   # Match any character except B, then A
)*       # Repeat as needed
BA       # Match BA

由于在替换中匹配A的唯一方法是匹配除B之前的字符，我们可以安全地使用简单B作为替代方法之一。< / p>

Answer 2

对于一般表达式，我将其用作非贪婪的匹配：

function smatch(s, r) {
    if (match(s, r)) {
        m = RSTART
        do {
            n = RLENGTH
        } while (match(substr(s, m, n - 1), r))
        RSTART = m
        RLENGTH = n
        return RSTART
    } else return 0
}

smatch的行为类似match，返回：

正则表达式s出现的r中的位置，如果不出现则为0。变量RSTART和RLENGTH设置为匹配字符串的位置和长度。

非贪婪的正则表达式匹配awk中的多字符分隔符

2 个答案: