Início / unix / Perguntas / 732115
Accepted
Kusalananda
Asked: 2023-01-18 06:44:58 +0800 CST

/RE/ vs. "RE" em awk

  • 772

Em awk, o primeiro argumento para as funções sub()e gsub(), o segundo argumento para a match()função e o terceiro argumento opcional para split(), é uma expressão regular estendida.

Esse argumento pode ser uma expressão arbitrária avaliada como uma string interpretada como uma expressão regular ou pode ser uma constante de expressão regular.

Em awk, uma constante de expressão regular é escrita /RE/para alguma expressão regular RE(um " EREtoken" na awkgramática).

Pergunta: Supondo que REpermaneça o mesmo (alguma expressão regular não variável), há alguma diferença prática entre using /RE/e using "RE"(um " STRINGtoken" na awkgramática) em uma chamada para, por exemplo, sub()? Como alternativa: Existe alguma awkimplementação conhecida que faça diferença entre essas duas formas de representar uma expressão regular em uma chamada para as funções mencionadas acima?

O motivo da pergunta é que me lembro de ter que modificar algum awkcódigo que tentei usar "RE"como expressão regular em uma chamada para sub()ou gsub(), porque, por qualquer motivo, a awkimplementação em questão fez a coisa errada, a menos que eu chamasse a função com /RE/.

Infelizmente, isso foi há algum tempo (mais de 2 anos), então não me lembro dos detalhes e não tenho certeza de qual Unix eu usava na época (possivelmente OpenBSD), mas desde então venho querendo fazer a pergunta.

awk

1 respostas

  1. Best Answer

    Sim, eles são diferentes em todas as implementações do awk na forma como as barras invertidas são usadas como escapes. Veja https://www.gnu.org/software/gawk/manual/gawk.html#Computed-Regexps para este e mais detalhes:

    ... esteja ciente de que há uma diferença entre uma constante regexp entre barras e uma constante de string entre aspas duplas. Se você vai usar uma string constante, você tem que entender que a string é, em essência, verificada duas vezes: a primeira vez quando o awk lê seu programa, e a segunda vez quando ele vai combinar com a string no lado esquerdo de o operador com o padrão à direita. Isso vale para qualquer expressão com valor de string (como digits_regexp, mostrado no exemplo anterior), não apenas para constantes de string.

    Que diferença faz se a string for digitalizada duas vezes? A resposta tem a ver com sequências de escape e, particularmente, com barras invertidas. Para obter uma barra invertida em uma expressão regular dentro de uma string, você deve digitar duas barras invertidas.

    Por exemplo, /\*/é uma constante regexp para um literal *. Apenas uma barra invertida é necessária. Para fazer a mesma coisa com uma string, você deve digitar "\\*". A primeira barra invertida escapa da segunda para que a string realmente contenha os dois caracteres \e *.

    Portanto, ao escrever um regexp, o único momento a considerar o uso "RE"em vez de /RE/é quando:

    1. O RE contém /s e nenhum escape para que você possa escrever, por exemplo, sub("/foo/bar","")em vez de sub(/\/foo\/bar/,"")apenas para concisão, ou
    2. Você PRECISA de delimitadores de string para concatenação comovar=17; sub("stuff" var,"")

    caso contrário, sempre use delimitadores de regexp ( /) em torno de regexps, não delimitadores de string ( ").

    • 11

relate perguntas