@Borodin 更新
我已经重写了这段代码,因为我认为它更容易理解。 OP 正在比较 b
与 d
诸如此类,我已将所有符号更改为更不同的 ASCII 字符。结果等同于 OP 的原始代码
我已经手动检查了所有正则表达式模式,但我没有看到任何差异
#! /usr/local/bin/perl
use strict;
use warnings qw/ all FATAL /;
use List::Util 'max';
my @tests = (
[ vvOHvXcvv => qr/ ^ ( (v*) O | H? (v*) X )* c \2 $ /x ],
[ vvOvXcvv => qr/ ^ ( (v*) O | H? (v*) X )* c \2 $ /x ],
[ vvXHvXcvv => qr/ ^ ( (v*) X | H? (v*) X )* c \2 $ /x ],
[ vvXvXcvv => qr/ ^ ( (v*) X | H? (v*) X )* c \2 $ /x ],
[ vvOHvXcvv => qr/ ^ ( (v*) [XO] | H? (v*) X )* c \2 $ /x ],
[ vvOvXcvv => qr/ ^ ( (v*) [XO] | H? (v*) X )* c \2 $ /x ],
[ vvXHvXcvv => qr/ ^ ( (v*) [XO] | H? (v*) X )* c \2 $ /x ],
[ vvXvXcvv => qr/ ^ ( (v*) [XO] | H? (v*) X )* c \2 $ /x ],
);
my $w1 = max map length $_->[0], @tests;
my ($no, $yes) = ( 'MATCHES', "doesn't match" );
my $w2 = max map length, $no, $yes;
for my $test ( @tests ) {
my ( $str, $re ) = @$test;
printf "%-*s %-*s %s\n",
$w1+2, qq{"$str"},
$w2, $str =~ $re ? 'MATCHES' : "doesn't match",
$re;
}
输出
"vvOHvXcvv" MATCHES (?^x: ^ ( (v*) O | H? (v*) X )* c \2 $ )
"vvOvXcvv" MATCHES (?^x: ^ ( (v*) O | H? (v*) X )* c \2 $ )
"vvXHvXcvv" MATCHES (?^x: ^ ( (v*) X | H? (v*) X )* c \2 $ )
"vvXvXcvv" doesn't match (?^x: ^ ( (v*) X | H? (v*) X )* c \2 $ )
"vvOHvXcvv" doesn't match (?^x: ^ ( (v*) [XO] | H? (v*) X )* c \2 $ )
"vvOvXcvv" doesn't match (?^x: ^ ( (v*) [XO] | H? (v*) X )* c \2 $ )
"vvXHvXcvv" doesn't match (?^x: ^ ( (v*) [XO] | H? (v*) X )* c \2 $ )
"vvXvXcvv" doesn't match (?^x: ^ ( (v*) [XO] | H? (v*) X )* c \2 $ )
以下 Perl 程序针对使用反向引用的各种正则表达式模式测试一些字符串。它说明了一种我无法理解的行为。
$snum
和 $rnum
变量仅用于对输出中的字符串和模式进行编号,以便于阅读。唯一值得一读的是@test
的内容大批。#! /usr/local/bin/perl -w
use strict;
use warnings;
my @test = (
[ "aadeabcaa", qr/^((a*)d|e?(a*)b)*c\2$/ ],
[ "aadabcaa", qr/^((a*)d|e?(a*)b)*c\2$/ ],
[ "aabeabcaa", qr/^((a*)b|e?(a*)b)*c\2$/ ],
[ "aababcaa", qr/^((a*)b|e?(a*)b)*c\2$/ ],
[ "aadeabcaa", qr/^((a*)[bd]|e?(a*)b)*c\2$/ ],
[ "aadabcaa", qr/^((a*)[bd]|e?(a*)b)*c\2$/ ],
[ "aabeabcaa", qr/^((a*)[bd]|e?(a*)b)*c\2$/ ],
[ "aababcaa", qr/^((a*)[bd]|e?(a*)b)*c\2$/ ],
);
my %snum;
my %rnum;
my $lsnum;
my $lrnum;
for ( my $i = 0 ; $i < scalar(@test); $i++ ) {
my $t = $test[$i]; my $s = $t->[0]; my $r = $t->[1];
my $snum = ($snum{$s} //= $lsnum++);
my $rnum = ($rnum{$r} //= $lrnum++);
my $match = ($s =~ $r);
print "test $i: (S$snum) $s" .
($match?" MATCHES ":" DOES NOT match ") .
"(R$rnum) $r\n";
}
输出
test 0: (S0) aadeabcaa MATCHES (R0) (?^:^((a*)d|e?(a*)b)*c\2$)
test 1: (S1) aadabcaa MATCHES (R0) (?^:^((a*)d|e?(a*)b)*c\2$)
test 2: (S2) aabeabcaa MATCHES (R1) (?^:^((a*)b|e?(a*)b)*c\2$)
test 3: (S3) aababcaa DOES NOT match (R1) (?^:^((a*)b|e?(a*)b)*c\2$)
test 4: (S0) aadeabcaa DOES NOT match (R2) (?^:^((a*)[bd]|e?(a*)b)*c\2$)
test 5: (S1) aadabcaa DOES NOT match (R2) (?^:^((a*)[bd]|e?(a*)b)*c\2$)
test 6: (S2) aabeabcaa DOES NOT match (R2) (?^:^((a*)[bd]|e?(a*)b)*c\2$)
test 7: (S3) aababcaa DOES NOT match (R2) (?^:^((a*)[bd]|e?(a*)b)*c\2$)
请注意
egrep
(或者无论如何,GNU egrep
)认为上面的每个测试都是匹配的。如果正则表达式析取被解释为非确定性选择,我认为这是理论上“正确”的答案,因为存在可以使匹配成功的替代选择。
另请注意, (
S2
, S3
, R1
) 是通过替换 b
获得的为 d
无处不在 ( S0
, S1
, R0
),这是认为第四次测试应该匹配的另一个原因。直觉上,我也希望测试 4-7 与测试 0-3 匹配。
我可以理解如何到达不匹配的第四个测试:通过在每次分离时按此顺序尝试左分支和右分支,如果回溯没有正确恢复
\2
变量为其先验值,探索后者的 R1 析取的左分支 ab
S3 的子串会破坏 \2
至 a
然后不会回溯到它的 aa
值,导致匹配失败(而在之前的任何测试中都不会发生同样的事情)。但我不知道我的分析是否正确。为什么第五个测试不匹配真的让我无法理解。
所以无论如何,我的问题是以下内容的组合:
最佳答案
有一个更简单的例子来说明 egrep 和 Perl 之间的区别:
grep -iE '^(([ab])|([ab]))*\2$' <<< abA
abA
perl -wE 'say for shift =~ /^(([ab])|([ab]))*\2$/i' abA
有趣的是,以下 Perl 匹配(以及 egrep):
grep -iE '^(([ab])|([ab]))*(\3)$' <<< abA
abA
perl -wE 'say for shift =~ /^(([ab])|([ab]))*(\3)$/i' abA
b
b
a
A
所以,第一个
a
与 *
的第一次迭代匹配, b
与第二个匹配(因为 \1 eq 'b'
)。同时,\3 eq 'a'
,但是 \4 eq 'A'
.为什么是 \3 eq 'a'
?好像是上次迭代的结果*
,我会说这是一个错误。更新:我报告了一个错误。
关于regex - 我想解释 Perl 的正则表达式引擎的行为,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37376154/