POSIX正则表达式限制重复

Question

我正在尝试grep，以获得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，分别重复3、5和7次"pq“。>=3、>=5表达式运行良好，但“介于3和5之间”表达式{3,5}也显示了具有七次重复的行。

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

是我做错了什么，还是这是预期中的行为？

如果这是预期的行为(因为具有7个PQ的串具有3-5个PQ)，

1)在什么情况下最大重复次数适用？{3,5}和{3，}(大于3)之间的差异是什么？

2)我可以用"^“锚定我的正则表达式，但是如果我的字符串不是以"pq”结尾并且有更多的文本怎么办？

Answer 1

如果一条线有七个重复的东西，那么它也包含该东西的3-5个重复，并且在几个点上，不少于。

如果希望锚定匹配，请使用匹配锚点。否则，他们当然不是。

/X{3,}/和/X{3,5}/之间的实际区别在于它匹配字符串的长度-匹配的范围(或跨度)。如果您所寻找的只是一个布尔型的yes/no响应，并且您的模式中没有进一步的内容，那么这并没有太大的区别；事实上，如果一个相当聪明的正则表达式引擎知道这样做是安全的，那么它将提前返回。

查看差异的一种方法是使用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

为了理解最后两个是如何工作的，跟踪正则表达式引擎的尝试是很有用的，包括回溯步骤。您可以通过以下方式使用Perl完成此操作：

$ 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]"

当你对比赛后的内容有额外的限制时，那么你选择哪种类型的重复可以产生很大的不同。在这里，我将对每个匹配的结束位置施加一个限制，即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，当你有事情必须在之后发生时，它可以产生很大的不同。当你只是在决定整行是否与某项匹配时，它可能不那么重要。

Answer 2

这是预期的行为。字符串“您可能希望尝试锚定您的正则表达式，如^\(pq\)\{3,5\}$。

编辑以匹配已编辑的问题：

1. 最大值适用于所有情况。现在的情况是，grep正在匹配重复出现的7次"pq“中的5次(最有可能是前5次)，并且由于它找到了匹配项，所以它会打印出这一行。
2. 您必须找到一种方法来更改正则表达式，以匹配您想要的内容，而不是您不想要的内容。例如，要匹配以3-5次重复的"pq”开头的行，您可以这样做：^\(pq\){3,5}\($|[^p]|p$|p[^q]\)。它匹配3-5个“pq”，后面紧跟行尾或除“p”或“p”之外的任何字符，后跟行尾或"p"-followed-by-any-character-other-than-"q".