主页 / unix / 问题 / 441927
Accepted
C0deDaedalus
Asked: 2018-05-05 22:50:54 +0800 CST

如何或为什么使用 `.*?` 比 `.*` 更好？

  • 772

我在 SuperUser 上回答了这个问题，该问题与 grepping 输出时使用的正则表达式类型有关。

我给出的答案是这样的：

 tail -f log | grep "some_string.*some_string"

然后，在对我的回答的三条评论中，@Bob写道：

.*是贪婪的，可能会捕获比你想要的更多的东西。.*?通常会更好。

那么这个，

the?是 上的修饰符*，使其变得懒惰而不是贪婪的默认值。假设 PCRE。

我用谷歌搜索PCRE，但在我的答案中无法理解这有什么意义？

最后这个，

我还应该指出，这是正则表达式（grep 默认执行 POSIX 正则表达式），而不是 shell glob。

我只知道 Regex 是什么以及它在 grep 命令中的基本用法。所以，我无法得到这 3 条评论中的任何一条，我有这些问题：

  • .*?vs.的用法有什么区别.*？
  • 哪个更好，在什么情况下？请提供例子。

也有助于理解评论，如果有人可以

更新：作为问题的答案Regex 与 Shell Globs 有何不同？ @Kusalananda在他的评论中提供了这个链接。

注意：如果需要，请在回答参考上下文之前阅读我对此问题的回答。

regular-expression wildcards

3 个回答

  1. 假设我采用如下字符串：

    can cats eat plants?

    使用贪心c.*s将匹配整个字符串，因为它以 开头c和结尾s，作为一个贪心运算符，它会继续匹配直到最后出现 s。

    而使用惰性c.*?s只会匹配直到s找到第一次出现，即 string can cats。

    从上面的示例中，您可能能够收集到：

    “贪婪”意味着匹配最长的可能字符串。“懒惰”意味着匹配最短的可能字符串。将 a 添加到, ,或?等量词后使其变得懒惰。*+?{n,m}

    • 10
  2. Best Answer

    Ashok 已经指出了和 之间的区别.*，.*?所以我将提供一些额外的信息。

    grep（假设是 GNU 版本）支持 4 种匹配字符串的方法：

    • 固定字符串，带有-F选项
    • 基本正则表达式 (BRE)，默认
    • 扩展正则表达式 (ERE)，带有-E选项
    • Perl 兼容的正则表达式 (PCRE)，带有-PGNU grep 中的选项

    grep默认使用 BRE。

    BRE 和 ERE 记录在 POSIX 的正则表达式章节中，PCRE 记录在其官方网站中。请注意，功能和语法可能因实现而异。

    值得一提的是，BRE 和 ERE 都不支持惰性：

    多个相邻重复符号（“+”、“*”、“?”和间隔）的行为会产生未定义的结果。

    因此，如果您想使用该功能，则需要改用 PCRE：

    # PCRE greedy
$ grep -P -o 'c.*s' <<< 'can cats eat plants?'
can cats eat plants

# PCRE lazy
$ grep -P -o 'c.*?s' <<< 'can cats eat plants?'
can cats

    你能解释一下.*vs.*?吗？

    • .*用于匹配可能的“最长” 1模式。

    • .*?用于匹配可能的“最短” 1模式。

    根据我的经验，最想要的行为通常是第二个。

    例如，假设我们有以下字符串，我们只想匹配 html 标签2，而不是它们之间的内容：

    <title>My webpage title</title>

    现在比较.*vs .*?：

    # Greedy
$ grep -P -o '<.*>' <<< '<title>My webpage title</title>'
<title>My webpage title</title>

# Lazy
$ grep -P -o '<.*?>' <<< '<title>My webpage title</title>'
<title>
</title>

    1.正如 Kusalananda 指出的那样，正则表达式上下文中“最长”和“最短”的含义有点棘手。有关详细信息，请参阅官方文档。
    2.不建议用正则解析html。这只是一个用于教育目的的示例，请勿在生产中使用它。

    • 9

  3. 可以通过多种方式匹配字符串（从简单到复杂）：

    1. 作为静态字符串（假设 var='Hello World!'）：

      [ "$var" = "Hello World!" ] && echo yes
      echo "$var" | grep -F "Hello"
      grep -F "Hello" <<<"$var"

    2. 作为一个整体：

      echo ./* # 列出pwd 中的所有文件。
      case $var in (*Worl*) echo yes;; (*) echo no;; esac
      [[ "$var" == *"Worl"* ]] && echo yes

      有基本的和扩展的 glob。该case示例使用基本的 glob。bash[[示例使用扩展的 glob。第一个文件匹配可以是基本的或在某些 shell 上扩展，例如extglob在 bash 中设置。在这种情况下，两者是相同的。Grep 无法使用 glob。

      glob中的星号表示与正则表达式中的星号不同的含义：

      * matches any number (including none) of任何字符。
      * matches any number (including none) of the前面的元素。

    3. 作为基本正则表达式（BRE）：

      echo "$var" | sed 's/W.*d//' #打印：你好！
      grep -o 'W.*d' <<<"$var" #打印世界！

      （基本）shell 或 awk 中没有 BRE。

    4. 扩展正则表达式 (ERE)：

      [[ "$var" =~ (H.*l) ]] # match: Hello Worl
      echo "$var" | sed -E 's/(d|o)//g' # print: Hell Wrl！
      awk '/W.*d/{print $1}' <<<"$var" # print: Hello
      grep -oE 'H.*l' <<<"$var" # print: Hello Worl

    5. Perl 兼容的正则表达式：

      grep -oP 'H.*?l #打印：Hel

    只有在 PCRE 中 a*?有一些特定的语法含义。
    它使星号变得懒惰（不贪婪）：懒惰而不是贪婪。

    $ grep -oP 'e.*l' <<<"$var"
ello Worl

$ grep -oP 'e.*?l' <<<"$var"
el

    这只是冰山一角，有贪婪的，有懒惰的，也有温顺的或占有欲的。还有lookahead 和lookbehind但这些不适用于星号*。

    有一种替代方法可以获得与非贪婪正则表达式相同的效果：

    $ grep -o 'e[^o]*o' <<<"$var"
ello

    这个想法很简单：不要使用点.，否定下一个要匹配的字符[^o]。使用网络标签：

    $ grep -o '<[^>]*>' <<<'<script type="text/javascript">document.write(5 + 6);</script>'
<script type="text/javascript">
</script>

    以上应该完全澄清所有@Bob 3 评论。释义：

    • A .* 是一个常见的正则表达式，而不是一个 glob。
    • 只有正则表达式可以与 PCRE 兼容。
    • 在 PCRE 中：一个？修改 * 量词。.*是贪心.*?不是。

    问题

    • 的用法有什么区别。? 与.. ?

      • A.*?仅在 PCRE 语法中有效。
      • A.*更便携。
      • 可以通过用否定字符范围替换点来完成与非贪婪匹配相同的效果：[^a]*

    • 哪个更好，在什么情况下？请提供例子。
      更好的？这取决于目标。没有更好的了，每个都有不同的用途。我在上面提供了几个例子。你需要更多吗？

    • 1

相关问题