bash_rematch 和正则表达式（带有嵌套括号）

Question

我在使用正则表达式时遇到问题，我需要搜索并删除与正则表达式匹配的模式，当发现我需要修剪时。我写了一个这样的正则表达式

regex='(.*)((aa[[:space:]]bb)|(awd)|(bab)|(bc[[:space:]]d))(*.)'

我定义了所有的开头（1），可以是目标的部分（2）和所有的结尾（3）。 使用像 (.)(abc)(.) 这样的简单正则表达式很容易 字符串="abc";正则表达式='(.)(abc)(.)'

[[ $string =~ $regex) && myvar=${BASH_REMATCH[2]} && buffer=${BASH_REMATCH[1]}${BASH_REMATCH[3]}

当我用嵌套的括号和 OR 组定义正则表达式时，问题就开始了，就像这里发布的第一个正则表达式一样。 这是我的 shell 中的一个示例：

$ string=" foo bar baz bac"
$ regex='(.*)((hello[[:space:]]world)|(example)|(funk[[:space:]]you)|(bar[[:space:]]baz))(.*)'

$ [[ $string =~ $regex ]] && echo ${BASH_REMATCH[1]}
foo
$ [[ $string =~ $regex ]] && echo ${BASH_REMATCH[2]}
bar baz
$ [[ $string =~ $regex ]] && echo ${BASH_REMATCH[3]}

$ [[ $string =~ $regex ]] && echo ${BASH_REMATCH[4]}

$ [[ $string =~ $regex ]] && echo ${BASH_REMATCH[5]}

$ [[ $string =~ $regex ]] && echo ${BASH_REMATCH[6]}
bar baz
$ [[ $string =~ $regex ]] && echo ${BASH_REMATCH[7]}
bac
$ [[ $string =~ $regex ]] && echo ${BASH_REMATCH[@]}
foo bar baz bac foo bar baz bar baz bac

匹配有一个奇怪的行为，我没有在 ${BASH_REMATCH[3]} 中找到输入字符串的其他部分，尽管它位于正则表达式的第三个括号中。 嵌套括号会发生什么？

Answer 1

bash 根据左括号从左到右的顺序为捕获组分配编号。基本上，它是深度优先排序，而不是您假设的广度优先排序。

1. (.*)
2. (
3.   (hello[[:space:]]world)|
4.   (example)|
5.   (funk[[:space:]]you)|
6.   (bar[[:space:]]baz)
   )
7. (.*)

在这个正则表达式中，第 2 组本质上是第 3、4、5 或 6 组中实际匹配的任何一个的副本，因为第 2 组不包含任何其他内容。第 7 组是您认为的第三个括号组。

第 0 组是整个比赛，这解释了您使用 @ 的最后一行：

$ [[ $string =~ $regex ]] && echo ${BASH_REMATCH[@]}
foo bar baz bac foo bar baz bar baz bac
|             | | | |     | |     | | |
+-------------+ +-+ +-----+ +-----+ +-+
       0         1     2       6     7

（在分词过程中，空组 3、4 和 5 被吞并为空格。）