Question

我正在尝试grep输入字符串允许的最大重复次数，但似乎无法使其正常工作。

输入文件有三行，分别为3,5和7次重复的“pq”。＆gt; = 3，＆gt; = 5表达式工作正常，但“3到5之间”表达式{3,5}也表示该行有七次重复。

DEV /> cat input.txt
pq -- One occurance of pq
pqpqpqpqpq -five occurances of pq
pqpqpqpqpqpqpq -- seven occurances of pq


DEV /> grep "\(pq\)\{3,\}" input.txt
pqpqpqpqpq -five occurances of pq
pqpqpqpqpqpqpq -- seven occurances of pq


DEV /> grep "\(pq\)\{5\}" input.txt
pqpqpqpqpq -five occurances of pq
pqpqpqpqpqpqpq -- seven occurances of pq

DEV /> grep "\(pq\)\{3,5\}" input.txt
pqpqpqpqpq -five occurances of pq
pqpqpqpqpqpqpq -- seven occurances of pq

我做错了什么或这是预期的行为？

如果这是预期的行为（因为包含7个PQ的字符串在3-5个PQ之间），

1）在什么情况下最大重复适用？ {3,5}和{3，}（大于3）之间有什么区别？

2）我可以用“^”锚定我的正则表达式，但是如果我的字符串不以“pq”结尾并且有更多文本会怎么样？

Answer 1

如果一条线有七次重复的任何东西，那么它也包含3-5次重复的东西，并且在几个点上，不少于此。

如果您希望锚定匹配，请使用匹配锚点。否则，当然，他们不是。

/X{3,}/和/X{3,5}/之间的实际区别在于它匹配的字符串有多长 - 匹配的范围（或范围）。如果您正在寻找的是一个布尔的是/否响应，并且您的模式中没有任何其他内容，那么它并没有太大的区别;实际上，如果一个聪明的正则表达式引擎知道这样做是安全的，它将会提前返回。

查看区别的一种方法是使用GNU grep的 -o 或 - only-matching 选项。观看：

$ echo 123456789 | egrep -o '[0-9]{3}'
123
456
789
$ echo 123456789 | egrep -o '[0-9]{3,}'
123456789
$ echo 123456789 | egrep -o '[0-9]{3,5}'
12345
6789
$ echo 123456789 | egrep -o '[0-9]{3,5}[2468]'
123456
$ echo 123456790 | egrep -o '[0-9]{3,5}[13579]'
12345
6789

要了解最后两个如何工作，了解正则表达式引擎的尝试（包括回溯步骤）非常有用。你可以用这种方式使用Perl来做到这一点：

$ perl -Mre=debug -le 'print $& while 1234567890 =~ /\d{3,5}[13579]/g'
Compiling REx "\d{3,5}[13579]"
Final program:
   1: CURLY {3,5} (4)
   3:   DIGIT (0)
   4: ANYOF[13579][] (15)
  15: END (0)
stclass DIGIT minlen 4 
Matching REx "\d{3,5}[13579]" against "1234567890"
Matching stclass DIGIT against "1234567" (7 chars)
   0 <> <1234567890>         |  1:CURLY {3,5}(4)
                                  DIGIT can match 5 times out of 5...
   5 <12345> <67890>         |  4:  ANYOF[13579][](15)
                                    failed...
   4 <1234> <567890>         |  4:  ANYOF[13579][](15)
   5 <12345> <67890>         | 15:  END(0)
Match successful!
12345
Matching REx "\d{3,5}[13579]" against "67890"
Matching stclass DIGIT against "67" (2 chars)
   5 <12345> <67890>         |  1:CURLY {3,5}(4)
                                  DIGIT can match 5 times out of 5...
  10 <1234567890> <>         |  4:  ANYOF[13579][](15)
                                    failed...
   9 <123456789> <0>         |  4:  ANYOF[13579][](15)
                                    failed...
   8 <12345678> <90>         |  4:  ANYOF[13579][](15)
   9 <123456789> <0>         | 15:  END(0)
Match successful!
6789
Freeing REx: "\d{3,5}[13579]"

如果您对比赛后的内容有其他限制，那么您选择的重复类型可以产生很大的不同。在这里，我将对允许每个匹配完成的位置施加约束，说它需要在奇数位之前结束：

$ perl -le 'print $& while 1234567890 =~ /\d{3}(?=[13579])/g'
234
678
$ perl -le 'print $& while 1234567890 =~ /\d{3,5}(?=[13579])/g'
1234
5678
% perl -le 'print $& while 1234567890 =~ /\d{3,}(?=[13579])/g'
12345678

因此，当你有事情必须在事后发生时，它可以产生很大的不同。当你只是决定整行是否匹配时，它可能不那么重要。

Answer 2

这是预期的行为。字符串“pqpqpqpqpqpqpq”实际上确实有三到五次重复的“pq”，然后还有一些更好的措施。您可能希望尝试锚定正则表达式，例如^$pq$\{3,5\}$。

编辑以匹配已修改的问题：

最大值适用于所有情况。发生的事情是，grep匹配7个重复的“pq”中的5个（很可能是前5个），并且因为它找到了匹配，所以它打印出该行。
你必须找到一种方法来改变你的正则表达式，以匹配你想要的，而不是你不想要的。例如，要匹配以3-5次重复“pq”开头的行，您可能会执行以下操作：^$pq${3,5}$$|[^p]|p$|p[^q]$。这匹配3-5“pq”，紧接着是行尾或任何字符 - 除了“p”或“p” - 后续行或“p” - 后续行为 - 通过任何字符的-另一不包括─ “q”。

POSIX正则表达式限制重复

2 个答案: