grep的贪婪行为

Question

我曾认为在正则表达式中，“贪婪性”仅适用于量词而非整个匹配过程。但是，我发现

grep -E --color=auto 'a+(ab)?' <(printf "aab")

返回值为 aab 而不是 aab。

sed 也是相同的情况。 另一方面，在 pcregrep 和其他工具中，确实是量词贪婪。 这是 grep 的特定行为吗？

N.B. 我检查了 BSD grep 2.5.1-FreeBSD 和 GNU grep 3.1 两个版本。

- Joseph Stack

---

相关：贪婪量词 vs. 勉强量词 vs. 占有量词 - kvantour

我现在更好地理解了问题，echo 'aab' | grep -P 'a+(ab)?' 会高亮显示 aa，而 echo 'aab' | grep -E 'a+(ab)?' 则会高亮显示 aab，这意味着可选的 ab 也被匹配了，即使它不是必需的。我认为这是因为最长匹配原则。例如，echo 'aab' | grep -E 'a+|a+b' 会高亮显示 aab，因为这是最长的匹配，而 echo 'aab' | grep -P 'a+|a+b' 会高亮显示 aa，因为在 PCRE 中，从同一位置开始的匹配的替代优先级是从左到右的。 - Sundeep

是的，我曾经在某个地方读到过最长匹配。但它与“贪婪量词”相冲突。我没有意识到这是 POSIX 正则表达式和其他一些正则表达式不同的另一点。 - Joseph Stack

Answer 1

在术语matched的描述中，POSIX规定：

查找匹配序列从字符串开头开始，当找到第一个与表达式匹配的序列时停止，其中“第一个”被定义为“在字符串中最早开始的”。如果模式允许可变数量的匹配字符，因此在该点有多个这样的序列，则匹配最长的序列。

这句话清楚地回答了你的问题。字符串aab包含两个以相同位置开始的子字符串，它们与ERE a+(ab)?匹配；这些是aa和aab。后者是最长的，因此它被匹配。

- oguz ismail

---

那么，在正则表达式中，量词默认为贪婪的这个说法并不适用于POSIX正则表达式，而只适用于基于PCRE的工具？ - Joseph Stack

@JosephStack 我对 PCRE 一无所知，但很可能是的。 - oguz ismail

很多地方我读到的“量词是贪婪的”并没有明确说明它适用于哪种正则表达式语言...谢谢。 - Joseph Stack