Question

试图连续重复的字母出现两次或三次。无法找到使用ERE

使用量词和捕获组的方法

$ grep --version | head -n1
grep (GNU grep) 2.25

$ # consecutive repeated letters occurring twice
$ grep -m5 -xiE '[a-z]*([a-z])\1[a-z]*[a-z]*([a-z])\2[a-z]*' /usr/share/dict/words
Abbott
Annabelle
Annette
Appaloosa
Appleseed

$ # no output for this, why?
$ grep -m5 -xiE '([a-z]*([a-z])\2[a-z]*){2}' /usr/share/dict/words

适用于-P但

$ grep -m5 -xiP '([a-z]*([a-z])\2[a-z]*){2}' /usr/share/dict/words
Abbott
Annabelle
Annette
Appaloosa
Appleseed

$ grep -m5 -xiP '([a-z]*([a-z])\2[a-z]*){3}' /usr/share/dict/words
Chattahoochee
McConnell
Mississippi
Mississippian
Mississippians

感谢Casimir et Hippolyte提出更简单的输入和正则表达式来测试此行为

$ echo 'aazbb' | grep -E '(([a-z])\2[a-z]*){2}' || echo 'No match'
aazbb
$ echo 'aazbbycc' | grep -E '(([a-z])\2[a-z]*){2}([a-z])\3[a-z]*' || echo 'No match'
aazbbycc
$ echo 'aazbbycc' | grep -P '(([a-z])\2[a-z]*){3}' || echo 'No match'
aazbbycc

$ # failing case
$ echo 'aazbbycc' | grep -E '(([a-z])\2[a-z]*){3}' || echo 'No match'
No match

与sed同样的行为

$ sed --version | head -n1
sed (GNU sed) 4.2.2

$ echo 'aazbb' | sed -E '/(([a-z])\2[a-z]*){2}/! s/.*/No match/'
aazbb    
$ echo 'aazbbycc' | sed -E '/(([a-z])\2[a-z]*){2}([a-z])\3[a-z]*/! s/.*/No match/'
aazbbycc

$ # failing case
$ echo 'aazbbycc' | sed -E '/(([a-z])\2[a-z]*){3}/! s/.*/No match/'
No match

相关搜索链接，我检查了其中一些，但没有得到任何接近这个问题

如果在较新版本的grep或sed中解决此问题，请与我们联系。此外，如果在非GNU实现中看到问题

Answer 1

~~我认为-E不允许Quantifiers，这就是为什么它仅适用于-P~~

匹配2个或更多连续的重复字母组：

grep -P '(?:([a-z])\1*([a-z])\2){1}' /usr/share/dict/words

匹配3个或更多连续的重复字母组：

grep -P '(?:([a-z])\1*([a-z])\2){2}' /usr/share/dict/words

选项：

-P, --perl-regexp         PATTERN is a Perl regular expression

Answer 2

更新

搜索完之后，我在我的windows box上安装了gnugrep32，然后运行了
一些测试：

我是从旧的SO帖子中读到的：

非贪婪匹配不是grep
支持的扩展正则表达式语法的一部分

因此，我们使用[a-z]{0,20}作为测试，而不是[a-z]*或[a-z]*?，其中?被忽略（wtf？）

以下是使用整体(){n}的增量测试，以了解 STOPS BACKTRACKING 之前的距离 进入帧。

最近工作

(([a-z])\2[a-z]{0,20}){1} len = 2 rr (([a-z])\2[a-z]{0,20}){2} len = 4 rrrr (([a-z])\2[a-z]{0,20}){3} len = 25 rrrrrrrrrrrrrrrrrrrrrrrrr (([a-z])\2[a-z]{0,20}){4} len = 47 rrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrr (([a-z])\2[a-z]{0,20}){5} len = 69 rrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrr (([a-z])\2[a-z]{0,20}){6} len = 91 rrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrr

从{3}到{6}，delta长度等于22.

这恰好是捕获帧表达式([a-z])\2[a-z]{0,20}的全长当它没有回溯到之前的帧时。

结论是它会在2帧后自动停止回溯。

例如，在20帧中，它变为16，并且发现它无法匹配。然后它回到第1帧并在那里进行调整并在agaqin上尝试。

为什么会这样。
然而，它现在已经消耗了大量的记忆，臃肿的猪必须放松它这可能需要永远使用这个旧的古老的实用程序嘿，最好把它限制在2帧。

当然，由于贪婪量词(([a-z])\2[a-z]*){3}，*没有测试用例如果它们都是[a-z]，则会消耗第二帧上的整行，甚至从不使用开始第三帧。

Answer 3

$ # no output for this, why?
$ grep -m5 -xiE '([a-z]*([a-z])\2[a-z]*){2}' /usr/share/dict/words

因为您搜索内部具有（至少）双字母的双组（两次相同）。类似于abbcabbc [(...) = "abbc" 2次]而不是2（最终类似）的内容，其中每个内部都有一个双字母，如abbcdeef。

有2个后退参考：

$ grep -iE '[a-z]*([a-z])\1{1,}[a-z]*([a-z])\2{1,}[a-z]*`

Answer 4

我提交了一个问题 https://debbugs.gnu.org/cgi/bugreport.cgi?bug=26864，现在更新了手册以反映此类问题。

来自https://www.gnu.org/software/grep/manual/grep.html#Known-Bugs：

<块引用>

反向引用会大大减慢匹配速度，因为它们会产生成倍数的匹配可能性，这会消耗时间和内存进行探索。此外，反向引用的 POSIX 规范有时也不清楚。此外，许多正则表达式实现都存在反向引用错误，这些错误可能导致程序返回错误答案甚至崩溃，而修复这些错误的优先级通常较低：例如，截至 2020 年，GNU C library bug database 包含反向引用错误 52、10844、11053、24269 和 25322，几乎没有即将修复的迹象。幸运的是，反向引用很少有用，在实际应用中避免它们应该不难。

ERE - 将量词添加到具有内部组和反向引用的组

4 个答案: