Question

@Borodin更新

我已将此代码重写为我认为更易于理解的内容。 OP正在将b与d等进行比较，并且我已将所有符号更改为更加不同的ASCII字符。结果等同于OP的原始代码

我已经手动检查了所有正则表达式模式，但我没有看到差异

#! /usr/local/bin/perl

use strict;
use warnings qw/ all FATAL /;

use List::Util 'max';

my @tests = (
    [ vvOHvXcvv => qr/ ^ ( (v*) O    | H? (v*) X )* c \2 $ /x ],
    [ vvOvXcvv  => qr/ ^ ( (v*) O    | H? (v*) X )* c \2 $ /x ],
    [ vvXHvXcvv => qr/ ^ ( (v*) X    | H? (v*) X )* c \2 $ /x ],
    [ vvXvXcvv  => qr/ ^ ( (v*) X    | H? (v*) X )* c \2 $ /x ],
    [ vvOHvXcvv => qr/ ^ ( (v*) [XO] | H? (v*) X )* c \2 $ /x ],
    [ vvOvXcvv  => qr/ ^ ( (v*) [XO] | H? (v*) X )* c \2 $ /x ],
    [ vvXHvXcvv => qr/ ^ ( (v*) [XO] | H? (v*) X )* c \2 $ /x ],
    [ vvXvXcvv  => qr/ ^ ( (v*) [XO] | H? (v*) X )* c \2 $ /x ],
);

my $w1 = max map length $_->[0], @tests;
my ($no, $yes) = ( 'MATCHES', "doesn't match" );
my $w2 = max map length, $no, $yes;

for my $test ( @tests ) {
    my ( $str, $re ) = @$test;

    printf "%-*s %-*s %s\n",
            $w1+2, qq{"$str"},
            $w2, $str =~ $re ? 'MATCHES' : "doesn't match",
            $re;
}

输出

"vvOHvXcvv" MATCHES       (?^x: ^ ( (v*) O    | H? (v*) X )* c \2 $ )
"vvOvXcvv"  MATCHES       (?^x: ^ ( (v*) O    | H? (v*) X )* c \2 $ )
"vvXHvXcvv" MATCHES       (?^x: ^ ( (v*) X    | H? (v*) X )* c \2 $ )
"vvXvXcvv"  doesn't match (?^x: ^ ( (v*) X    | H? (v*) X )* c \2 $ )
"vvOHvXcvv" doesn't match (?^x: ^ ( (v*) [XO] | H? (v*) X )* c \2 $ )
"vvOvXcvv"  doesn't match (?^x: ^ ( (v*) [XO] | H? (v*) X )* c \2 $ )
"vvXHvXcvv" doesn't match (?^x: ^ ( (v*) [XO] | H? (v*) X )* c \2 $ )
"vvXvXcvv"  doesn't match (?^x: ^ ( (v*) [XO] | H? (v*) X )* c \2 $ )

以下Perl程序针对使用反向引用的各种正则表达式模式测试一些字符串。它说明了我无法理解的行为。

$snum和$rnum变量仅用于对输出中的字符串和模式进行编号，以便于阅读。唯一值得一读的是@test数组的内容。

#! /usr/local/bin/perl -w

use strict;
use warnings;

my @test = (
    [ "aadeabcaa", qr/^((a*)d|e?(a*)b)*c\2$/ ],
    [ "aadabcaa", qr/^((a*)d|e?(a*)b)*c\2$/ ],
    [ "aabeabcaa", qr/^((a*)b|e?(a*)b)*c\2$/ ],
    [ "aababcaa", qr/^((a*)b|e?(a*)b)*c\2$/ ],
    [ "aadeabcaa", qr/^((a*)[bd]|e?(a*)b)*c\2$/ ],
    [ "aadabcaa", qr/^((a*)[bd]|e?(a*)b)*c\2$/ ],
    [ "aabeabcaa", qr/^((a*)[bd]|e?(a*)b)*c\2$/ ],
    [ "aababcaa", qr/^((a*)[bd]|e?(a*)b)*c\2$/ ],
);

my %snum;
my %rnum;
my $lsnum;
my $lrnum;

for ( my $i = 0 ; $i < scalar(@test); $i++ ) {

    my $t = $test[$i];  my $s = $t->[0];  my $r = $t->[1];

    my $snum = ($snum{$s} //= $lsnum++);
    my $rnum = ($rnum{$r} //= $lrnum++);

    my $match = ($s =~ $r);

    print "test $i: (S$snum) $s" .
        ($match?" MATCHES ":" DOES NOT match ") .
        "(R$rnum) $r\n";
}

输出

test 0: (S0) aadeabcaa MATCHES (R0) (?^:^((a*)d|e?(a*)b)*c\2$)
test 1: (S1) aadabcaa MATCHES (R0) (?^:^((a*)d|e?(a*)b)*c\2$)
test 2: (S2) aabeabcaa MATCHES (R1) (?^:^((a*)b|e?(a*)b)*c\2$)
test 3: (S3) aababcaa DOES NOT match (R1) (?^:^((a*)b|e?(a*)b)*c\2$)
test 4: (S0) aadeabcaa DOES NOT match (R2) (?^:^((a*)[bd]|e?(a*)b)*c\2$)
test 5: (S1) aadabcaa DOES NOT match (R2) (?^:^((a*)[bd]|e?(a*)b)*c\2$)
test 6: (S2) aabeabcaa DOES NOT match (R2) (?^:^((a*)[bd]|e?(a*)b)*c\2$)
test 7: (S3) aababcaa DOES NOT match (R2) (?^:^((a*)[bd]|e?(a*)b)*c\2$)

请注意，egrep（或无论如何，GNU egrep）认为上述每项测试都是匹配。

我认为这在理论上是正确的＆＃34;回答如果regexp析取被解释为非确定性选择，那就是存在可以使匹配成功的替代选择。

另请注意，（S2，S3，R1取代b d S0 {1}}，S1），这是认为第四次测试应该匹配的另一个原因。

直观地说，我也希望测试4-7是匹配，只要测试0-3是。

我可以理解一个人如何达到不匹配的第四个测试：通过在每个分离时按此顺序尝试左分支和右分支，如果回溯没有正确恢复 {{1变量到它的先前值，在S3的后一个R0子串上探索R1析取的左分支会破坏\2到ab，然后它不会回溯到它的{{} 1}}值，导致匹配失败（而在之前的任何测试中都不会发生同样的事情）。的

但我不知道我的分析是否正确。为什么第五次测试不匹配真的让我失望。

所以无论如何，我的问题是以下各项的组合：

有人可以详细解释Perl的regexp引擎对这些示例的行为吗？
这种行为是故意的吗？是否记录在某处？
我应该提交错误吗？

Answer 1

egrep和Perl之间有一个更简单的例子：

grep -iE '^(([ab])|([ab]))*\2$' <<< abA
abA
perl -wE 'say for shift =~ /^(([ab])|([ab]))*\2$/i' abA

有趣的是，Perl中的以下匹配（以及egrep）：

grep -iE '^(([ab])|([ab]))*(\3)$' <<< abA
abA
perl -wE 'say for shift =~ /^(([ab])|([ab]))*(\3)$/i' abA
b
b
a
A

因此，第一个a与*的第一次迭代匹配，b与第二次匹配（因为\1 eq 'b'）。与此同时，\3 eq 'a'，但\4 eq 'A'。为什么\3 eq 'a'？它似乎是前一次*迭代的结果，我说这是一个错误。

更新：我报告了一个错误。

Answer 2

让我们来看看第四个例子。（请不要从零开始编号！我是人，而不是电脑！）

vvXvXcvv

不匹配

qr/ ^ (
    (v*) X
    |
    H? (v*) X
)* c \2 $ /x

在字符串的开头，perl匹配两个备选项中的第一个。 vvX匹配(v*) X，因此无需尝试替代方案。这也将捕获2保存为vv

使vXcvv引擎匹配
同样，perl使用vX来匹配(v*) X。它将捕获2保存为v，并且引擎会再次尝试

离开cvv
剩下的唯一选项是( (v*) X | H? (v*) X )*的另一次迭代，或者从c \2
该文字不以v，X或H开头，因此循环结束，下一个匹配为c \2，正则表达式引擎与c
匹配
现在只有vv匹配
perl现在正在寻找一个匹配来捕获2，即v。成功

剩下的字符串只是v
现在perl正在寻找$，它是字符串的结尾，或者只是在字符串末尾的换行符之前。它看到v，因此失败

我真的希望有所帮助。我并不急于解释剩下的四个例子，但我还不明白为什么会有混淆

我还没有尝试过egrep，我感到惊讶的是它表现得与众不同。也许它不像Perl那样堆叠捕获？

如果有任何进一步的兴趣，请告诉我

Answer 3

以下是我对行为的理解：

test 3: (S3) aababcaa DOES NOT match (R1) (?^:^((a*)b|e?(a*)b)*c\2$)

备选方案的第一部分在这里失败，然后我们使用第二部分。

第2组包含a所以使用反向引用正则表达式与：

 ^(e?(a*)b)*ca$

这与最后有aababcaa的字符串aa不匹配。

如果中间有aa双aabaabcaa，则匹配正常：ffmpeg -i src2 -itsoffset 20 -i src1 -c copy -map 0:v -map 1:a new.mp4

我想解释一下Perl的正则表达式引擎

@Borodin更新

输出

输出

3 个答案: