Question

我想在bash中匹配以下表达式：

^.*(\b((720p)|(1080p)|(((br)|(hd)|(bd)|(web)|(dvd))rip)|((x|h)264)|(DVDscr)|(xvid)|(hdtv)|(ac3)|(s[0-9]{2}e[0-9]{2})|(avi)|(mp4)|(mkv)|(eztv)|(YIFY))\b).*$

我真想知道的是，测试字符串中的一个单词是否是此正则表达式中描述的单词之一（720p，1080p，brrip，... ）。而边界这个词似乎存在问题。

我使用的测试是[[ $name =~ $re ]] && echo "yes"，其中$name是任意字符串，$re是我的正则表达式。

我错过了什么？

Answer 1

\b是PCRE扩展名;它在POSIX ERE（扩展正则表达式）中不可用，这是bash =~中的[[ ]]运算符将遵循的最小可能语法集。（单个操作系统可能具有扩展此语法的libc;在这种情况下，这些扩展将在此类操作系统上可用，但在支持bash的所有平台上不。）

作为基线，\b扩展实际上并没有非常强大的表达力 - 您可以编写任何使用它作为等效ERE的PCRE。但更好的是退后一步并质疑潜在的假设：当你说＆＃34;字边界＆＃34;时，你的意思是什么？如果您关心的是，如果以空格或字符串的开头或结尾开始和结束，那么您根本不需要\b运算符：

(^|[[:space:]])((720p)|(1080p)|(((br)|(hd)|(bd)|(web)|(dvd))rip)|((x|h)264)|(DVDscr)|(xvid)|(hdtv)|(ac3)|(s[0-9]{2}e[0-9]{2})|(avi)|(mp4)|(mkv)|(eztv)|(YIFY))($|[[:space:]])

请注意，我取出了最初的^.*并结束了.*$，因为这些结构在进行其他非锚定匹配时会自我否定; .*会使紧接其前面的^变得毫无意义，而.*恰好位于最后$之前。

现在，如果你想要一个完全等同于\b，当它紧接在一个序列开头的单词字符之前，那么我们会得到更像：

(^|[^a-zA-Z0-9_])

......同样，紧接在序列末尾的单词字符之后：

($|[^a-zA-Z0-9_])

这些都是有些堕落的情况 - 在其他情况下，模仿ERE中\b的行为可能会更复杂 - 但它们是您的问题似乎呈现的唯一情况。< / p>

请注意，\b的某些实现可以更好地支持非ASCII字符集，因此可以使用[^[:alnum:]_]而不是[^a-zA-Z0-9_]更好地进行描述，但它不是在这里明确定义了您来自或比较的实施。

Answer 2

接受的答案错误可能在两个小问题上有误：

据我所知，\b和＆＃39; \＆lt; |＆gt;＆＃39; （字边界匹配）不是PCRE的创新。再说一次，我无法在RE引擎中跟踪字边界匹配的介绍，所以它也可能是Perl。
正如答案中正确陈述的那样，POSIX ERE不支持字边界匹配。但是，所有现代正则表达式引擎都提供字边界匹配作为基本RE的一部分，而不仅仅是ERE：您只需要找到语法。

也就是说，这个答案是非常具体到Linux的{{1}}版本（最终Bash特定部分，其中可以也适用于所有BSD衍生物）。

根据定义，GNU MacOSX（Regular Expressions）支持RE和\b作为字边界（\<|\>语法）。 它不是 Perl兼容的正则表达式扩展，AFAIK。 [1]
grep支持自Bash以来的GNU扩展RE（grep -E语法）。 [2]
因此，对于3.0的所有版本，Bash >= 3.0应该给我[[ " h " =~ '\bh\b' ]] && echo yes || echo no。它没有（见下一点）。
在yes个版本Bash到3.0，3.1会给我[[ " h " =~ '\bh\b' ]] && echo yes || echo no。请注意，模式本身是yes运算符的right hand side（RHS）参数。 [2]
=~更改了匹配运算符Bash-3.2的引用规则。 [2]
从=~开始，理想情况下应将模式存储在变量中，并将变量作为Bash-3.2运算符提供给RHS运算符：=~ 。原因是引用规则发生了变化，因此如果模式在引号（pat='\bh\b' ; [[ " h " =~ $pat ]] && echo yes || echo no或''）内提供，则模式将被解释为字符串而不是正则表达式。 [2]

最后，您的模式是正确的，它只是一个奇怪的引用问题：

""

此外，对于[samveen@ankhmorpork ~]# echo $BASH_VERSION 4.2.46(1)-release [samveen@ankhmorpork ~]# re='^.*(\b((720p)|(1080p)|(((br)|(hd)|(bd)|(web)|(dvd))rip)|((x|h)264)|(DVDscr)|(xvid)|(hdtv)|(ac3)|(s[0-9]{2}e[0-9]{2})|(avi)|(mp4)|(mkv)|(eztv)|(YIFY))\b).*$' [samveen@ankhmorpork ~]# for i in 720p 1080p brrip; do > [[ $i =~ $re ]] && echo yes for $i || echo no for $i > done yes for 720p yes for 1080p yes for brrip上的Bash，边界匹配从MacOSX更改为\b（单词的开头）和'[[:<:]]（单词结尾） [3]：

[[:>:]]

参考文献：

[1] GNU grep Manual: Regex section

[2] The Bash FAQ, by it's Author

[3] MacOSX manpage for re_format

与Bash正则表达式匹配单词边界

2 个答案: