正则表达式：'\<'与'\b'的区别

Question

目前正在准备RHCSA认证，并学习正则表达式。 \b和\<有什么区别？

它们似乎做的事情几乎完全相同：匹配反斜杠之间的字符串。
例如：

[root@RHEL8DEV etc]# grep '\<root\>' * 2>/dev/null  | wc
    105     327    3658

[root@RHEL8DEV etc]# grep '\broot\b' * 2>/dev/null  | wc
    105     327    3658

即使在阅读了 gnu.org 之后，我仍然摸不着头脑。

---

使用 \b

• \b 匹配一个空字符串，但只能在单词的开头或结尾出现。所以，\bfoo\b 只匹配作为一个独立单词的任何一次出现的 foo 。\bballs?\b 匹配作为一个独立单词的 ball 或 balls。无论旁边的文本是什么，\b 都匹配到缓冲区的开头或结尾。

使用 \< 和 \>

• \< 匹配一个空字符串，但只能在一个单词的开头出现。只有当一个单词的字符跟在它后面时，\< 才会在缓冲区的开头处匹配。
• \> 匹配一个空字符串，但只能在单词的结尾出现。只有当内容以一个单词-构成字符结束时，\> 才会在缓冲区的结尾处匹配。

---

感谢您抽出时间阅读这篇文章。

- hixavier

---

grep 不是 bash 的一部分；它可以在没有安装 shell 的情况下运行。考虑使用 unix 标签，并指定特定的操作系统供应商和版本（或者如果它来自第三方如 GNU 项目，则指定 grep 版本）。 - Charles Duffy

每个工具也会指定它们理解的正则表达式方言。\b和\<都没有通用含义。 - chepner

还有第三个选项，[[:<:]]和[[:>:]]。它在macOS和可能的BSD（我检查了OpenBSD）中支持grep和sed。可悲的是，GNU不支持它。 - imgx64

Answer 1

您特定版本的 grep 的手册页面才能揭示它们是否完全相等，两者都不是完全可移植的。

传统上，在某些版本的 egrep 中，\< 只能匹配左边的单词边界，而 \> 则匹配右边的单词边界。（但是，例如 Procmail 走了捷径，实际上将两个标记定义为相同。） \b 是Perl等语言中较新的构造，方向中立，即它在单词字符序列的左侧或右侧的单词边界上都成立。

- tripleee

---

最后一段可能有歧义。\b 本质上是 (?:\<|\>)。 - Adam Katz

当然，(?:...) 也是 Perl 的扩展。我不认为这有歧义，但如果有的话，也许你的评论可以帮助某些人澄清它。 - tripleee

是的，我应该说“（<|>）”假定扩展正则表达式，同时指出PCRE不支持它（参见我的答案）。 我所指出的歧义是您使用“and”而不是“or”。 - Adam Katz

谢谢反馈，已更改为使用“或”。 - tripleee

Answer 2

我个人发现`\b`比`\<`和`\>`更受广泛支持。我遇到的唯一例外是vim和BSD sed支持`\<`和`\>`而不支持`\b`。

至于它们的定义：在PCRE中，它基本上是这样的：

• \< = (?<!\w)(?=\w) = 右侧有单词字符但左侧没有
• \> = (?<=\w)(?!\w) = 左侧有单词字符但右侧没有
• \b = (?:(?<!\w)(?=\w)|(?<=\w)(?!\w)) = 上述任意一种情况

这些链接指向 Regex101 对这些正则表达式的解释。请注意，该网站支持的四个引擎都不理解 \< 和 \> 应该执行什么操作。

由于 PCRE 明确禁止非字母数字转义的特殊含义，\< 表示“文字开角括号”，因此 (?:\<|\>) 表示 [<>] 而不是 \b。标准扩展正则表达式没有这种明确的禁止规定，尽管它们也没有实现任何这样的特殊含义（诸如 \< 和 \> 的项目是非标准扩展）。

还要注意，在字符类内部，情况有所不同。在大多数正则表达式解释器中，[\b] 表示“文字退格符”，等同于 [\010] 或 [\x08]（或 \010 或 \x08）。将零宽度项放入字符类中毫无意义。

以下是使用 GNU grep 进行比较的示例，该工具接受两种格式：

$ echo yes |grep '\<yes'
yes
$ echo yes |grep '\byes'
yes
$ echo yes |grep '\>yes'
# (no output here means it failed)
$ 

在这里，您可以看到方向性对于\<和\>很重要，但对于\b则不重要。

---

各种支持测试，仅命令行（截至2019年11月25日的Debian Testing或注明的FreeBSD 11.2）：

$ echo y |grep '\<y'       # GNU grep w/ BRE, Basic Regular Expression
y
$ echo y |grep -E '\<y'    # GNU grep w/ ERE, Extended Regular Expression
y
$ echo y |grep -P '\<y'    # GNU grep w/ libpcre, Perl-Compatible Regular Expression
$ echo y |perl -ne 'print if /\<y/'  # perl proper
$ echo y |sed '/\<y/!d'    # GNU sed with BRE
y
$ echo y |sed -r '/\<y/!d' # GNU sed with ERE
y
$ echo y |sed '/\<y/!d'    # BSD sed with BRE (FreeBSD 11.2)
y
$ echo y |sed -E '/\<y/!d' # BSD sed with ERE (FreeBSD 11.2)
y
$ echo y |gawk '/\<y/'     # GNU awk
y
$ echo y |mawk '/\<y/'     # More POSIX-aligned
$ 

# python test (result printed as an array, in this case empty for no matches)
$ echo y |python -c 'import re,sys; print re.findall(r"\<y", sys.stdin.read())'
[]

“grep -P”（它使用libpcre，并非总是编译到grep中）不匹配，因为PCRE无法将“\<”识别为除了文字字符“<”之外的任何内容。

$ echo y |grep '\by'       # GNU grep w/ BRE, Basic regex
y
$ echo y |grep -E '\by'    # GNU grep w/ ERE, Extended regex
y
$ echo y |grep -P '\by'    # GNU grep w/ libpcre, Perl-compatible regex
y
$ echo y |perl -ne 'print if /\by/'  # perl proper 
y
$ echo y |sed '/\by/!d'    # GNU sed with BRE
y
$ echo y |sed -r '/\by/!d' # GNU sed with ERE
y
$ echo y |sed '/\by/!d'    # BSD sed with BRE (FreeBSD 11.2)
$ echo y |sed -E '/\by/!d' # BSD sed with ERE (FreeBSD 11.2)
$ echo y |gawk '/\by/'     # GNU awk
$ echo y |mawk '/\by/'     # POSIX-ish awk
$ 

# python test
$ echo y |python -c 'import re,sys; print re.findall(r"\by", sys.stdin.read())'
['y']

请注意，BSD的sed接受\<但不接受\b，而GNU的sed两者都接受。

- Adam Katz

---

我在macOS 10.15 Catalina上进行了测试：grep支持\b和\</\>，而sed和awk都不支持。 - imgx64