正则表达式：{n}和{n,m}忽略最大重复次数

Question

我有一个关于正则表达式的问题，那就是{n}和{n, m}的最大重复次数。

$ man grep
...
Repetition
    A regular expression may be followed by one of several repetition operators:
...
    {n}    The preceding item is matched exactly n times.
    {n,}   The preceding item is matched n or more times.
    {,m}   The preceding item is matched at most m times.  This is a GNU extension.
    {n,m}  The preceding item is matched at least n times, but not more than m times.
...

现在考虑一个测试文件：

$ cat ./sample.txt
1
12
123
1234

然后使用grep命令查找重复出现了2次的数字[0-9]:

$ grep "[0-9]\{2\}" ./sample.txt
12
123
1234

为什么这个包括123和1234？

另外，我在相同的文本文件中使用grep查找至少重复2次但不超过3次的数字：

$ grep "[0-9]\{2,3\}" ./sample.txt
12
123
1234

为什么这会返回“1234”？

一个明显的解决方法是使用grep和反向grep来过滤掉过多的结果。例如，

$ grep "[0-9]\{2,\}" ./sample.txt | grep -v "[0-9]\{4,\}"
12
123

有人能帮我理解为什么{n}会返回包含重复n次的模式的行吗？而{n,m}为什么会返回重复m次的模式？

- Culip

---

我认为所有的_grep_只需要在行中找到它就可以了。它不会匹配额外的数字。 - user557597

Answer 1

如果你没有使用锚点，正则表达式可以匹配字符串中的任何位置。

$ grep "[0-9]\{2\}" ./sample.txt 将匹配包含2个数字的任何行。

使用 ^ 强制表达式从行首开始匹配，使用 $ 强制匹配到行尾。例如：

$ grep '^[0-9]\{2\}$' ./sample.txt
# Using single quotes to avoid potential substitution issues. Hat tip to @ghoti

这应该只返回12。

- Zak

---

实际上，只有在$后面的文本可能被解释为替换时，才需要转义$。例如，请尝试echo "$"。话虽如此，切换到单引号可能是一个更好的选择。 :-) - ghoti

谢谢 @ghoti / fish - 我正在使用 Fish shell，变得有点懒散了。 :) - Zak

关于锚点的想法对我来说很有道理，谢谢。我会使用反向grep来过滤结果，这样目标字符串就不需要出现在行的开头/结尾。 - Culip

Answer 2

一个模式可以在较长的文本中找到，也可以遵循完全相同的模式。对于grep使用-o选项以查看正则表达式找到匹配的位置。两个数字可以在由两个数字组成的数字中找到，也可以在长度为10位的数字中找到。

另一个答案提到了两个锚点，但有一个单词边界标记\b，如果使用，则匹配边界位置。这将关闭两端。不幸的是，POSIX BRE（grep默认的正则表达式风格）不支持此功能，但在GNU sed中，您可以启用Perl正则表达式并进行测试：

grep -P '\b[0-9]{2}\b' file

仅使用 grep，两个符号 \< 和 \> 在同一位置都能匹配：

grep '\<[0-9]\{2\}\>' file

- revo

---

POSIX也有单词边界。[[:<:]][0-9]\{2\}[[:>:]] - ghoti

@ghoti 是的，但是我用grep无法让它工作起来，而且我也不确定，所以没有参考它。 - revo

啊，有趣。在macOS上对我有效，但在FreeBSD上无效。而快捷键\<和\>在两者中都有效。我没有深入研究的意愿，所以我马上就会删除我的评论。 :-) - ghoti

@ghoti 在这里留下你的评论。也许其他人也会指向它。 - revo