Usando a versão GNU de todas as 3 ferramentas (role para baixo para ver as tentativas do FreeBSD), se eu quisesse encontrar 'na entrada usando o awk com um 'script delimitado por -, poderíamos tentar corresponder usando as sequências de escape hexadecimais e octais:
$ echo "'" | awk '/\x27/'
'
$ echo "'" | awk '/\047/'
'
$ echo "'" | awk '/\o047/'
awk: cmd. line:1: warning: regexp escape sequence `\o' is not a known regexp operator
então os 2 primeiros funcionam e o 3º não, como você esperaria intuitivamente.
Agora vamos tentar o mesmo com sed (com ou sem -E):
$ echo "'" | sed -n '/\x27/p'
'
$ echo "'" | sed -n '/\047/p'
$
$ echo "'" | sed -n '/\o047/p'
'
e grep (também com ou sem -E):
$ echo "'" | grep '\x27'
grep: warning: stray \ before x
$ echo "'" | grep '\047'
grep: warning: stray \ before 0
$ echo "'" | grep '\o047'
grep: warning: stray \ before o
Então:
- Mais importante: por que eles são diferentes?
- Curiosidade secundária: Existe uma maneira de usar uma sequência de escape no grep para corresponder
'sem recorrer à opção não portátil do GNU grep-Pe sem expandir a sequência de escape antes que o grep a veja usando construções de shell comogrep $'\047'?
Vale ressaltar que octal \047é a sequência de escape recomendada no awk (veja http://awk.freeshell.org/PrintASingleQuote ou https://web.archive.org/web/20230530010453/http://awk.freeshell.org/PrintASingleQuote se estiver inativo).
Para os propósitos desta questão, não estou interessado em alternativas que permitam literal 'ou o que qualquer outra ferramenta faz ou qualquer outra coisa, estou apenas tentando descobrir por que essas 3 ferramentas específicas de correspondência de regexp tratam sequências de escape ASCII de forma diferente umas das outras. Eu estaria, no entanto, interessado em aprender como o BSD ou outras variantes dessas 3 ferramentas se comportam, dados os mesmos scripts mostrados acima.
Informações adicionais:
FreeBSD
Este é o comportamento do FreeBSD 13.1:
% echo "'" | awk '/\x27/'
'
% echo "'" | awk '/\047/'
'
% echo "'" | sed -n '/\x27/p'
'
% echo "'" | sed -n '/\047/p'
% echo "'" | sed -n '/\o047/p'
sed: 1: "/\o047/p": RE error: trailing backslash (\)
% echo "'" | grep '\x27'
grep: trailing backslash (\)
% echo "'" | grep '\047'
%
POSIX
Veja o que os padrões POSIX para Expressões Regulares e as 3 ferramentas em questão dizem sobre isso:
- expressões regulares: https://pubs.opengroup.org/onlinepubs/9799919799/basedefs/V1_chap09.html
awk: https://pubs.opengroup.org/onlinepubs/9799919799/utilities/awk.htmlsed: https://pubs.opengroup.org/onlinepubs/9799919799/utilities/sed.htmlgrep: https://pubs.opengroup.org/onlinepubs/9799919799/utilities/grep.html
Da especificação regexp vemos que nem xnem 0são "Caracteres Especiais" em um BRE ou ERE , portanto são "Caracteres Ordinários" e que
Quando não está dentro de uma expressão entre colchetes, a interpretação de um caractere comum precedido por um caractere sem escape é indefinida, exceto para:
seguido por listas de caracteres, nenhum dos quais inclui 0ou xpara BREs ou EREs, então minha conclusão é que nem \x27nem \047são comportamentos definidos em uma expressão regular por POSIX.
A seção Expressões Regulares da especificação POSIX awk diz:
\ddd
Um caractere seguido pela sequência mais longa de um, dois ou três caracteres de dígito octal (01234567). Se todos os dígitos forem 0 (ou seja, representação do caractere NUL), o comportamento é indefinido. Se os dígitos produzirem um valor maior que o octal 377, o comportamento é indefinido.
então sabemos que \0é definido para um awk POSIX, mas \xnão é, então o comportamento do awk \xnão é definido pelo POSIX para o awk e, portanto, é deixado para as várias implementações do awk.
A seção Expressões regulares da especificação POSIX sed adiciona algumas alterações ao regexp, mas não menciona \0or \xe remete às definições de regexp POSIX e, portanto, \0or \xnão são definidos pelo POSIX para sed.
A seção Descrição da especificação grep do POSIX se refere inteiramente às definições de expressões regulares do POSIX e, portanto \0, \xnão são definidas pelo POSIX para grep.
Então, aparentemente, o significado de \xddé deixado para os implementadores de ferramentas para grep, sed e awk, enquanto o significado de \0ddé definido para awk, mas deixado para os implementadores de grep e sed.
Manuais GNU
A seção Sequências de escape do manual do GNU awk diz:
\nnn
O valor octal nnn, onde nnn representa de 1 a 3 dígitos entre '0' e '7'. Por exemplo, o código para o caractere ASCII ESC (escape) é '\033'.
\xhh…
O valor hexadecimal hh, onde hh representa uma sequência de dígitos hexadecimais ('0'–'9', e 'A'–'F' ou 'a'–'f'). São permitidos no máximo dois dígitos após '\x'...
então é aí que \x47o GNU awk é definido.
A seção Sequências de Escape do manual do GNU sed diz:
\oxxx
Produz ou corresponde a um caractere cujo valor ASCII octal é xxx.
\xxx
Produz ou corresponde a um caractere cujo valor hexadecimal ASCII é xx.
então é onde \o047e \x27são definidos para o GNU sed.
O manual do GNU grep não contém nenhuma referência que eu tenha encontrado sobre sequências de escape hexadecimais ou octais, o que explica as mensagens de aviso que vemos quando tentamos usá-las e provavelmente significa que elas simplesmente não são suportadas no GNU grep.
