试图使用Bash内置的正则表达式匹配来解析以下类型的字符串,将其转换为Perl替换表达式(引号不是数据的一部分)
'~#A#B#'
#^ ^ ^-- Replacement string.
#| +---- Pattern string.
#+------ Regular expression indicator (no need to escape strings A and B),
# which is only allowed if strings A and B are surrounded with ##.
# Strings A and B may not contain #, but are allowed to have ~.
'#A#B#'
#^------ When regex indicator is missing, strings A and B will be escaped.
'A#B'
# Simplified form of '#A#B#', i. e. without the enclosing ##.
# Still none of the strings A and B is allowed to contain # at any position,
# but can have ~, so leading ~ should be treated as part of string A.
我尝试了以下模式(同样,没有引号):
'^((~)?(#))?([^#]+)#([^#]+)\3$'
也就是说,它声明前导的 ~#
是可选的(而其中的 ~
甚至是可选的),然后捕获部分 A
和 B
,并且要求结尾的 #
只有在领导者中出现时才会出现。捕获前导的 #
仅用于反向引用匹配——其他地方不需要它,而捕获 ~
以供随后的脚本检查。
但是,该模式仅适用于最完整类型的输入数据:
'~#A#B#'
'#A#B#'
但不是为了
'A#B'
我。即,无论何时缺少前导部分,\3
都无法匹配。但是如果将\3
替换为.*
,则匹配成功,可以看出${BASH_REMATCH[3]}
为空字符串。这是我不明白的事情,前提是未设置的变量在 Bash 中被视为空字符串。 我该如何匹配反向引用和可选内容?
作为变通方法,我可以编写替代模式
'^(~?)#([^#]+)#([^#]+)#$|^([^#]+)#([^#]+)$'
但它会为每种可能的情况产生不同的捕获组,这使得代码不那么直观。
重要说明。正如@anubhava 在他的评论中提到的,反向引用匹配在某些 Bash 构建中可能不可用(这可能是构建选项的问题,而不是版本号,甚至是某些外部库的问题)。这个问题当然是针对那些支持这种功能的 Bash 环境。
最佳答案
有两种方法可以解决这个问题:
与其将组设置为可选(换句话说,允许它根本不匹配),不如将其设置为强制但匹配空字符串。换句话说,将
(#)?
等结构更改为(#?)
。仅当第 3 组匹配时,才使用条件匹配反向引用
\3
。为此,将\3
更改为(?(3)#|)
。
通常,第一个选项更可取,因为它的可读性更好。此外,bash 的正则表达式似乎不支持条件构造,因此我们需要使选项 1 起作用。这很困难,因为附加条件是 ~
仅在 #
也存在时才被允许。如果 bash 支持前瞻,我们可以做类似 ((~)(?:#))?(#?)
的事情。但既然没有,我们就需要发挥创意。我想出了以下模式:
^((~(#))|(#?))([^#]+)#([^#]+)(\3|\4)$
Demo .
想法是利用交替运算符 |
来处理两种不同的情况:文本以 ~#
开头,或者不是。 ((~(#))|(#?))
在第 2 组中捕获 ~#
并在可能的情况下在第 3 组中捕获 #
,但如果没有 ~
然后它只捕获第 4 组中的 #
(如果存在)。然后我们可以在 (\3|\4)
end 以匹配结尾的 #
,如果有开头的(请记住,如果文本以 ~#
开头,则第 3 组捕获 #
,并且第 4 组捕获 #
或空字符串(如果文本不是以 ~#
开头)。
关于regex - 对可选捕获子表达式的模式反向引用,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37297881/