regex - 将 PCRE 模式转换为 POSIX

Question

我有以下运行良好的 pcre:

/[c,f]=("(?:[a-z A-Z 0-9]|-|_|\/)+\.(?:js|html)")/g

它根据输入生成所需的输出“foo.js”和“bar.html”

<script src="foo.js"...
<link rel="import" href="bar.html"...

问题是，OS X 版本的 grep 似乎没有像 -o 这样的选项来只打印捕获的组(根据另一个 SO 问题，这显然适用于 linux)。由于这将是 makefile 的一部分，我需要一个可以在任何 *nix 平台上运行的版本。

我尝试了 sed 但以下内容

s/[c,f]=("(?:[[:alphanum:]]|-|_|\/)+\.(?:js|html)")/\1/pg

抛出错误:“重复运算符的操作数无效”。我试过将其删除，不包括文件路径分隔符，我似乎无法破解它。将我的 pcre 转换成我几乎可以保证在符合 POSIX 标准(即使是非官方的)平台上的东西有什么帮助吗？

附言我知道我编写的正则表达式中固有的潜在故障模式，它只会用于具有相当特定格式的非常特定的文件。

Answer 1

POSIX 定义了两种风格的正则表达式:

• BREs (Basic Regular Expressions) - 功能较少且需要 \ 的旧版本-转义某些元字符，特别是 \( , \)和 \{ , \} , 并且不支持重复符号 \+ (用 \{1,\} 模拟)和 \? (用 \{0,1\} 模拟)，不支持 \| (交替；无法被模拟)。

• EREs (Extended Regular Expressions) - 更现代的风格，但是缺少正则表达式内部的反向引用(这与捕获组不相同)； 不支持词边界断言(例如\<)，不支持捕获组.

POSIX 还规定哪些实用程序支持哪种风格:哪些支持 BRE，哪些支持 ERE，哪些可选支持任一个，哪些 em>专门仅支持 BRE，或仅支持 ERE；特别是:

• grep默认使用 BRE，但可以使用 -E 启用 ERE
• sed ，遗憾的是，只有支持 BRE
  • GNU 和 BSD sed ，但是，- 作为一个非标准扩展 - 确实 支持带有 -E 的 ERE开关(GNU sed 的更广为人知的别名是 -r ，但也支持 -E)。
• awk 仅支持ERE

此外，Linux 和 BSD/OSX 上的正则表达式库实现了对 POSIX ERE 语法的扩展 - 遗憾的是，这些扩展部分不兼容(例如单词边界断言的语法)。

至于您的特定正则表达式:

它使用非捕获组的语法，(?:...) ;但是，捕获组在 grep 的上下文中毫无意义，因为 grep不提供替换功能。

如果我们删除这个方面，我们得到:

[c,f]=("([a-z A-Z 0-9]|-|_|\/)+\.(js|html)") 

现在这是一个有效的 POSIX ERE(可以简化 - 参见 Benjamin W's helpful answer)。
然而，由于它是一个扩展 RE，使用sed 不是一个选项，如果你想保持严格的 POSIX 兼容。

因为 GNU 和 BSD/OSX sed恰好实现-E为了支持 ERE，您可以逃脱 sed ，如果这些平台是您唯一需要支持的平台 - 请参阅 anubhava's answer .

同样，GNU 和 BSD/OSX grep碰巧实现了非标准 -o选项(与您在问题中陈述的不同)，因此，如果这些平台是您唯一需要支持的平台，您可以使用:

$ grep -Eo '[c,f]=("([a-z A-Z 0-9]|-|_|\/)+\.(js|html)")' file | cut -c 3-
c="foo.js"
f="bar.html"

(请注意，只有 GNU grep 支持 -P 以启用 PCRE，这只是解决方案(请注意 \K，它会丢弃目前匹配的所有内容):

$ grep -Po '[c,f]=\K("([a-z A-Z 0-9]|-|_|\/)+\.(js|html)")' file

)

如果您真的想要严格符合 POSIX 标准的解决方案，您可以使用awk :

$ awk -F\" '/[c,f]=("([a-z A-Z 0-9]|-|_|\/)+\.(js|html)")/ { print "\"" $2 "\"" }' file