regex - 如何 grep/perl/awk 重叠正则表达式

Question

尝试将字符串通过管道传输到 grep/perl 正则表达式中以提取重叠的匹配项。目前，结果似乎只拉出没有任何“回顾”的连续匹配:

尝试使用 egrep(在 GNU 和 BSD 上):

$ echo "bob mary mike bill kim jim john" | egrep -io "[a-z]+ [a-z]+"
bob mary
mike bill
kim jim

尝试使用 perl 风格的 grep (-P):

$ echo "bob mary mike bill kim jim john" | grep -oP "()[a-z]+ [a-z]+"
bob mary
mike bill
kim jim

尝试使用 awk 仅显示第一个匹配项:

$ echo "bob mary mike bill kim jim john" | awk 'match($0, /[a-z]+ [a-z]+/) {print substr($0, RSTART, RLENGTH)}'
bob mary

我希望从一个简单的工作 bash 管道命令中看到的重叠结果是:

bob mary
mary mike
mike bill
bill kim
kim jim
jim john

有什么想法吗？

Answer 1

Lookahead 是你的 friend

echo "bob mary mike bill kim jim john" | 
    perl -wnE'say "$1 $2" while /(\w+)\s+(?=(\w+))/g'

---

重点是，作为“零宽度断言”的前瞻性不会消耗任何东西——但它仍然允许我们捕获其中的模式。

因此，当正则表达式引擎匹配一个单词和空格 ((\w+)\s+) 时，吞噬它们，然后停在那里并“向前看”，只是为了“断言”那里有寻求的模式；它不会从最后一个空格和下一个 \w 之间的位置移动，也不会像他们所说的那样“消耗”下一个单词。

很高兴我们还可以捕获“看到”的模式，即使它没有被消耗!所以我们得到了 $1 和 $2 这两个词。

然后，由于 /g 修饰符，引擎继续寻找另一个单词+空格，后面还有另一个单词。下一个词是我们前瞻性发现的词——所以现在一个词被消耗了，但下一个词是“寻找”(并捕获)的。等等

参见 Lookahead and lookbehind assertions in perlretut