Question

最近我被告知，+（一个或多个出现的前一个模式/字符）不是基本正则表达式的一部分。即使写成\+也没有。

这是关于最大兼容性的问题。

我的印象是...

echo "Hello World, I am an example-text" | sed 's#[^a-z0-9]\+#.#ig'

...始终导致：

Hello.World.I.am.an.example.text

但是后来我被告知，“它替换了每个小写字符，而不是小写字母或数字，后跟+”，并且它与[^a-z0-9][+]相同。

所以我真正的问题是：是否有没有将x+或x\+与xx*相同的正则表达式定义或实现？

Answer 1

POSIX“基本”正则表达式不支持+ ^{（也不支持?！）}。 sed的大多数实现都添加了对\+的支持，但这不是POSIX标准功能。如果您的目标是最大的可移植性，则应避免使用它。请注意，您必须使用\+而不是更常见的+。

echo "Hello World, I am an example-text" | sed 's#[^a-z0-9]\+#.#ig'

-E标志启用“扩展”正则表达式，该表达式与Perl，JavaScript和大多数其他现代正则表达式引擎中使用的语法非常接近。使用-E，您不需要反斜杠；就是+。

echo "Hello World, I am an example-text" | sed -E 's#[^a-z0-9]+#.#ig'

来自https://www.regular-expressions.info/posix.html：

POSIX或“ uniX的便携式操作系统接口”是一组标准，这些标准定义了（UNIX）操作系统应支持的某些功能。这些标准之一定义了两种正则表达式。涉及正则表达式的命令（例如grep和egrep）在符合POSIX的UNIX系统上实现这些风味。一些数据库系统也使用POSIX正则表达式。

基本正则表达式或BRE风格对一种风格进行了标准化，该风格类似于传统UNIX grep命令所使用的一种。这几乎是当今仍在使用的最古老的正则表达式。 使这种风味与众不同的一件事是，大多数元字符都需要加一个反斜杠来赋予其元字符自己的风味。大多数其他风味（包括POSIX ERE）都使用反斜杠来抑制元字符的含义。使用反斜杠转义从未使用过元字符的字符是错误的。

BRE支持POSIX括号表达式，该表达式类似于其他正则表达式中的字符类，并具有一些特殊功能。不支持速记。使用常规元字符的其他功能包括：点以匹配换行符以外的任何字符；插入号和美元匹配字符串的开头和结尾；星号将令牌重复零次或更多次。要从字面上匹配任何这些字符，请使用反斜杠将其转义。

其他BRE元字符要求使用反斜杠以赋予其特殊含义。原因是UNIX grep的最旧版本不支持这些版本。 grep的开发人员希望使其与现有的正则表达式兼容，后者可以将这些字符用作文字字符。 BRE a{1,2}从字面上匹配a{1,2}，而a\{1,2\}匹配a或aa。某些实现支持\?和\+作为\{0,1\}和\{1,\}的替代语法，但是\?和\+不属于令牌可以与\(和\)分组。后向引用是通常的\1至\9。最多允许9组。例如。 \(ab\)\1匹配abab，而(ab)\1无效，因为没有对应于反向引用\1.的捕获组。使用\\1可以从字面上匹配\1。 / p>
POSIX BRE不支持任何其他功能。甚至不支持交替。

（强调我的。）

所以我真正的问题是：是否有没有将x+或x\+与xx*相同的正则表达式定义或实现？

我想不出任何既不支持+也不支持\+的现实语言或工具。

在formal mathematical definition of regular expressions中，通常只定义了三个操作：

串联： AB 匹配 A ，然后匹配 B 。

替代项： A | B 匹配 A 或 B 。

亚芳星： R * 匹配0个或多个 R 重复。

这三个操作足以赋予正则表达式完整的表达能力^†。像？和 + 这样的运算符在编程中很方便，但在数学上下文中不是必需的。如果需要，可以根据其他术语进行定义： R？是 R |ε和 R + 是 RR * 。

^{†从数学上讲，即。形式语言理论中不存在诸如向后引用和向前/向后查找之类的功能。这些功能增加了正则表达式的数学定义中无法提供的附加表达能力。}

Answer 2

在某些传统的sed实现中，您必须启用“扩展”正则表达式才能获得对+表示“一个或多个”的支持。

有关这方面的证据，请参见：sed plus sign doesn't work

加号（+）是基本正则表达式的一部分吗？

2 个答案: