搜索模式中的 Vim / sed 正则表达式反向引用

Question

Vim 帮助说：

\1      Matches the same string that was matched by     */\1* *E65*
        the first sub-expression in \( and \). {not in Vi}
        Example: "\([a-z]\).\1" matches "ata", "ehe", "tot", etc. 

看起来 backreference 可以用于搜索模式。我开始玩它，我注意到我无法解释的行为。这是我的文件：

<paper-input label="Input label"> Some text </paper-input>
<paper-input label="Input label"> Some text </paper-inputa>
<aza> Some text </az>
<az> Some text </az>
<az> Some text </aza>

我想匹配开始和结束标签匹配的行，即：

<paper-input label="Input label"> Some text </paper-input>
<az> Some text </az>

我的测试正则表达式是：

%s,<\([^ >]\+\).*<\/\1>,,gn

但这匹配行：1、3 和 4。 sed 也一样：

$ sed -ne 's,<\([^ >]\+\).*<\/\1>,\0,p' file
<paper-input label="Input label"> Some text </paper-input>
<aza> Some text </az>
<az> Some text </az>

这：<\([^ >]\+\) 应该是贪婪的，当试图匹配它时没有 \1 最后那么所有组都是正确的。但是当我添加\1 时，<\([^ >]\+\) 似乎变得不贪心，它试图在第 3 行中强制匹配。有人可以解释为什么它匹配3rd 行：

<aza> Some text </az>

这也是regex101 demo

注意 这与正则表达式本身无关（可能还有其他方法），而是该正则表达式的行为。

Answer 1

要了解您的正则表达式为何如此行事，您需要了解回溯正则表达式引擎的作用。

引擎会贪婪地匹配并消耗尽可能多的字符。但是，如果它没有找到匹配项，它会返回并尝试找到仍然满足模式的不同匹配项。

%s,<\([^ >]\+\).*<\/\1>,,gn

对于第三行<aza> Some text </az>，

正则表达式引擎查看\1 = aza。并查看.*</aza> 是否与字符串的其余部分匹配。它没有，所以它为\1 选择了别的东西。下次它选择\1 = az 并查看.*</az> 是否与字符串的其余部分匹配并且它匹配。所以字符串匹配

（这是一个简化的版本。我跳过了.* 本身可以进行大量回溯的事实）

---

解决它就像在正则表达式中添加一个锚点一样简单，可以阻止正则表达式搜索可以满足\1 的其他值。在这种情况下，匹配空格或> 就足够了。

Answer 2

您需要添加\> 来表示词尾。可能还有其他具有 0 宽度模式的解决方案，但这会使事情复杂化。

另外，您的分隔符是,，而不是/

这给出了：

%s,<\([^ >]\+\)\>.*</\1>,,gn

Answer 3

目前第 3 行 (<aza>) 显示为匹配项的原因是您的正则表达式中的 .* 术语可以匹配多行。所以第 3 行匹配，因为第 5 行有结束标签。要更正此问题，请强制正则表达式仅在 same 行上查找匹配的结束标记：

%s,<\([^ >]\+\)[^\n]*?<\/\1>,,gn
               ^^^^^ use [^\n]* instead of .*