如何使用BASH_REMATCH捕获重复模式的最长匹配

Question

我正在尝试捕捉重复模式中最长的匹配。

do_run() {
    local regex='.*((abc)+).*'
    local str='_abcabcabc123_'

    echo "regex=${regex}"$'\n'
    echo "str=${str}"$'\n'

    if [[ "${str}" =~ ${regex} ]]
    then
        for i in ${!BASH_REMATCH[@]}
        do
            echo "$i=${BASH_REMATCH[i]}"
        done
    else
        echo "no match"
    fi
}

我得到以下输出：

regex=.*((abc)+).*
str=_abcabcabc_
0=_abcabcabc123_
1=abc
2=abc

我试着弄到这样的东西：

regex=.*((abc)+).*
str=_abcabcabc123_
0=_abcabcabc123_
x=abcabcabc

(更新：x只是表示匹配组的索引并不重要，但我需要知道检索匹配组的数字.)

更新：

阅读后评论，下面的正则表达式将工作：((abc)+)

但是，我还需要捕捉到前面的内容和((abc)+)之后的内容。

我之前没有提过，因为我认为同样的解决方案也会适用。

所以新的代码是：

do_run() {
    local regex='(.*)((abc)+)(.*)'
    local str='_abcabcabc123_'

    echo "regex=${regex}"$'\n'
    echo "str=${str}"$'\n'

    if [[ "${str}" =~ ${regex} ]]
    then
        for i in ${!BASH_REMATCH[@]}
        do
            echo "$i=${BASH_REMATCH[i]}"
        done
    else
        echo "no match"
    fi
}

然后得到以下输出：

regex=(.*)((abc)+)(.*)
str=_abcabcabc123_
0=_abcabcabc123_
1=_abcabc
2=abc
3=abc
4=123_

我希望能够从一个匹配的组中检索abcabcabc，但也希望能够检索它之前的内容和后面的内容。

Answer 1

作为一种解决办法，您可以这样做：

[STEP 101] $ cat foo.sh
v=_abcabcabc123_
if [[ $v =~ (abc)+ ]]; then
    middle=${BASH_REMATCH[0]}

    [[ $v =~ (.*)"$middle" ]]
    before=${BASH_REMATCH[1]}

    [[ $v =~ "$middle"(.*) ]]
    after=${BASH_REMATCH[1]}

    echo "before: $before"
    echo "middle: $middle"
    echo "after : $after"
fi
[STEP 102] $ bash foo.sh
before: _
middle: abcabcabc
after : 123_
[STEP 103] $

Answer 2

我还需要捕捉前面的内容和后面的内容((abc)+)。

为此，您通常需要对perl ( (?<!abc)((abs)+)(.*)中的某些内容)进行负面展望。

我不擅长perl regex，在启用perl的grep中，我能够做到这一点：

$ grep -oxP '(.*)(?<!abc)((abc)+)\K(.*)' <<<'_abcabcabc123_'
123_
$ grep -oP '((abc)+)' <<<'_abcabcabc123_'
abcabcabc
$ rev  <<<'_abcabcabc123_' | grep -oP '(.*)(?<!cba)((cba)+)\K(.*)' | rev
_

Bash没有外观，也没有perl正则表达式。考虑使用python或perl。

但是，您可以通过将regex上的部分拆分，然后读取行来使用sed，这可能更简单：

$ readarray -t lines < <(<<<'_abcabcabc123_' sed -E 's/((abc)+)/\n&\n/'); declare -p lines
declare -a lines=([0]="_" [1]="abcabcabc" [2]="123_")

另一个想法:您可以使用bash展开将abc部件替换为唯一的部件，然后将其拆分到该分隔符上：

$ IFS=' ' read -r before post < <(printf "%s\n" "${str//abc/ }") ; declare -p before post
declare -- before="_"
declare -- post="123_"
# or
$ IFS='@' read -r before post < <(<<<"${str//abc/@}" tr -s '@') ; declare -p before post
declare -- before="_"
declare -- post="123_"

Answer 3

对于给定的输入，此正则表达式将有效：

re='^([^a]|a[^b]*|ab[^c]*)((abc)+)(.*)'
str='_abcabcabc123_'
[[ $str =~ $re ]] && declare -p BASH_REMATCH

输出：

declare -ar BASH_REMATCH=([0]="_abcabcabc123_" [1]="_" [2]="abcabcabc" [3]="abc" [4]="123_")

所以你可以使用：

"${BASH_REMATCH[1]}" # string before
"${BASH_REMATCH[2]}" # string containing all "abc"s
"${BASH_REMATCH[4]}" # string after

RegEx演示