主页 / unix / 问题 / 780893
Accepted
An5Drama
Asked: 2024-07-27 13:29:47 +0800 CST

是否有一个正则表达式工具仅遵循 BRE 并且在未定义时抛出错误？

  • 772

我正在阅读《灵活性软件设计 (SDF)》。练习 2.10 要求实现BRE 和 ERE 的翻译器。本书使用像 ERE 中grep那样测试翻译的字符串(a.c)来捕获类似abc或 的内容adc。

我使用 Arch Linux。

根据POSIX 规范9.3.3 BRE 特殊字符，\+不受 BRE 支持。

但是man grep“基本与扩展正则表达式”允许\+使用默认选项 BRE。

上述差异似乎是由此规范问题（此 QA的参考）暗示的：

BRE 对应于 ed 或historical grep 类型

不过ed好像也支持\+。

（已编辑：此段内容有误，因为启用选项 b 时，该网站根本不符合 BRE。(ab)而不是\(ab\)将匹配“ab”。）https://www.regexplanet.com/advanced/postgresql/index.html可以支持单纯的 BRE，但它有点慢，并且不能轻易地合并到 Scheme 代码中（我正在学习 SICP 和 SDF，所以我没有检查 Scheme 中的 Http 实现。上面的书使用 shell 来运行grep）。我使用表达式a\+c和输入abc在启用选项 b 的情况下进行测试。它显示“regex_matches()”为“(none)”。

那么是否有一个正则表达式工具完全遵循BRE？

grep

1 个回答

  1. Best Answer

    POSIX 定义了一些字符，称为元字符或“特殊字符”，它们在正则表达式中使用时具有非文字含义，例如.匹配任何字符。POSIX 还定义了在这样的元字符前放置反斜杠时会发生什么\，即它变为文字，因此\.匹配文字.字符。

    s例如（或在 BRE 中），不是此类元字符的字符+称为“普通字符”。POSIX 对普通字符的定义如下（重点是我的）：

    9.3.2 BRE 普通字符

    普通字符是与自身匹配的 BRE：受支持的字符集中的任何字符，除了 BRE 特殊字符中列出的 BRE 特殊字符。

    对于以非转义字符 ( '\' ) 开头的普通字符的解释是未定义的，但以下情况除外：

    • 字符 ')'、'('、'{' 和 '}'
    • 数字 1 至 9（含）（请参阅BRE 匹配多个字符）
    • 括号表达式内的字符

    即，它没有明确定义当你\在普通字符前面放置一个时会发生什么（除了上面提到的几个），这就是为什么工具可以定义为与该工具\s相同的含义并且仍然符合 POSIX 标准，因为任何工具都可以根据输入做任何它喜欢的事情，以至于 POSIX 没有定义如何处理该输入。[[:space:]]

    关于：

    是否有一个完全遵循 BRE 的正则表达式工具？

    大多数（全部？）grep和sed实现默认都是这样的，但是像我认为您希望的那样，仅实现 POSIX 定义的行为的工具根本就不可能存在，因为 POSIX 故意没有定义所有内容（POSIX 描述了大多数工具在大多数情况下都具有的通用功能，它并没有规定所有工具在所有情况下必须如何表现），因此，无论谁实现任何版本的任何工具，都必须自己决定当该工具遇到某些未由 POSIX 定义的输入时该做什么 - 实现一些他们认为有用的功能，将其视为文字字符，打印警告消息，删除所有文件，损坏硬盘或任何其他他们认为合适的操作。只要它们实现了 POSIX 定义的功能，那么该工具就是符合 POSIX 的，无论它在未定义的情况下做什么。

    假设汽车有这样一条标准：“当驾驶员将方向盘向右转动时，汽车向右转”。汽车制造商应该遵守该要求。该标准可能没有定义当您将方向盘拉向自己时会发生什么，因此如果日产决定，如果您在 2015 年的 Maxima 中这样做，那么汽车就会起飞并开始飞行或压缩成一个小立方体，这仍然符合标准。同样，POSIX 定义了.、s和的\.含义，但 POSIX 没有定义\s含义，因此 GNU 可以定义\s为等同于[[:space:]]或任何他们喜欢的内容，同时仍然符合 POSIX 标准。

    因此，如果您希望正则表达式在所有版本的工具中都具有相同的行为（例如grep按照 POSIX 定义的方式），那么就不要编写依赖于 POSIX 未定义行为的正则表达式。这包括不在\+BRE 中编写，不在 BRE 或 ERE 中编写\s，这样，grep在处理该正则表达式时，您使用的任何内容都将符合适用的 POSIX 标准。

    POSIX 正则表达式、BRE 和 ERE 是在POSIX 标准中定义的，不在任何给定工具的手册页中，而且肯定也不在 regex101.com 上，据我所知，该网站没有处理 POSIX BRE 或 ERE 的选项。

    关于评论中设置的建议POSIXLY_CORRECT：POSIXLY_CORRECT仅适用于 GNU 工具，因此它对 BSD 等工具没有帮助，并且即使在 GNU 中，它的作用也因工具而异，例如在设置了 POSIXLY_CORRECT 的 GNU awk 中，它会报告为\s未定义的行为并将其视为正则表达式s中的文字，而在 GNU grep 中，无论是否设置了 POSIXLY_CORRECT，它都会以相同的方式处理\s（和\+）。例如：

    $ echo 'a b' | gawk '/a\sb/'
a b

$ echo 'a b' | grep 'a\sb'
a b

$ echo 'a b' | POSIXLY_CORRECT=1 gawk '/a\sb/'
gawk: cmd. line:1: warning: regexp escape sequence `\s' is not a known regexp operator

$ echo 'a b' | POSIXLY_CORRECT=1 grep 'a\sb'
a b


    $ echo 'asb' | gawk '/a\sb/'
$

$ echo 'asb' | grep 'a\sb'
$

$ echo 'asb' | POSIXLY_CORRECT=1 gawk '/a\sb/'
gawk: cmd. line:1: warning: regexp escape sequence `\s' is not a known regexp operator
asb

$ echo 'asb' | POSIXLY_CORRECT=1 grep 'a\sb'
$
    • 6

相关问题