posix扩展正则表达式的预期行为：（（）| abc）xyz

Question

在我的OS X 10.5.8机器上，使用regcomp和regexec C函数匹配扩展的正则表达式“（（）| abc）xyz”，我找到匹配字符串“abcxyz”，但只能从偏移量3到我期望整个字符串匹配，我会看到字符串的初始“abc”部分的子匹配。

当我在同一台机器上使用awk尝试相同的模式和文本时，它会像我期望的那样显示整个字符串的匹配。

我希望我对正则表达式的有限经验可能是个问题。有人可以解释发生了什么吗？我的正则表达式有效吗？如果是这样，为什么它不匹配整个字符串？

我理解“（（abc）{0,1}）xyz”可以作为替代，但感兴趣的模式是从另一种模式格式自动生成的，并且消除“（）”的实例是额外的工作我想尽可能避免。

作为参考，我传递给regcomp的标志只包含REG_EXTENDED。我将一组空标志（0）传递给regexec。

Answer 1

POSIX标准说：

  

9.4.3 ERE特殊字符

     

ERE特殊字符在某些上下文中具有特殊属性。在这些上下文之外，或者在<backslash>之前，这样的字符应该是与特殊字符本身匹配的ERE。扩展正则表达式特殊字符及其具有特殊含义的上下文如下：

     

.[\(

     

<period>，<left-square-bracket>，<backslash>和<left-parenthesis>应该是特殊的，除非在括号表达式中使用（请参阅RE括号表达式）。在括号表达式之外，<left-parenthesis>后面紧跟<right-parenthesis>会产生未定义的结果。

您所看到的是调用未定义行为的结果 - 任何事情都会发生。

如果您想获得可靠，便携的结果，则必须删除空的“()”符号。

Answer 2

如果你遍历所有匹配，并且没有同时获得[3,6]和[0,6]，那么就有一个错误。我不确定posix要求返回匹配的顺序。

Answer 3

尝试(abc|())xyz - 我打赌它会在两个地方产生相同的结果。我只能假设C版本试图在任何可能的地方匹配xyz，如果失败，它会尽可能地匹配abcxyz（但是，如你所见，它不会失败） ，所以我们从不打扰“abc”部分）而awk必须使用它自己的正则表达式引擎，以你预期的方式执行。

你的正则表达式是有效的。我认为问题是a）POSIX不是很清楚正则表达式应该如何工作，或者b）awk没有使用100％POSIX兼容的正则表达式（可能是因为OS X出现了更多原始版本awk）。无论遇到什么问题，都可能是因为这有点像边缘情况，大多数人都不会这样写正则表达式。