如果字符串有下划线，则使用 bash grep -Po 正则表达式失败答案

【问题标题】：Using bash grep -Po regex fails if string has an underscore如果字符串有下划线，则使用 bash grep -Po 正则表达式失败
【发布时间】：2013-07-25 17:12:00
【问题描述】：

我已经搜索甚至 gasp 阅读了手册页，但我仍然无法弄清楚这是怎么回事以及如何解决它......我承认自己是一个正则表达式新手，所以没有羞耻！（Ubuntu 12.04、bash 4.2.25、GNU grep 2.10）

作为脚本的一部分，它执行了许多其他有趣的事情（这些事情似乎都有效），我正在尝试从文件名中提取数据......存在某些预期的模式......例如一些文件名会有一个日期：日期的格式是“YYYY-MM-DD”，我可以轻松地找出整个事情，然后用'\b[0-9]{4}.{1}[0-9]{2}.{1}[0-9]{2}\b' grepping 来分解它（实际上我通常可以安全地直接用@ 定位年份987654322@ ) 如果输入字符串看起来像以下任何一个，这可以正常工作：

something 1989-07-23 something.jpg" or "foo-2013-01-10-bar.csv

但如果它看起来像 wordsidon'tcareabout_2004-09-14_otherthings.tif 或这个 foofoobarbar_2010-07-16.gif grep 找不到匹配项。

下划线是什么意思？为什么它们会导致我的正则表达式失败？有没有更好的方法来解决这个问题，我可能不知道？我有极少的 perl 和 java 技能，但我对 bash 非常了解......或者我认为我知道......

我想我可以重命名文件，但这似乎不优雅。

【问题讨论】：

标签： regex bash grep localization collation

【解决方案1】：

您的正则表达式使用\b，它匹配单词和非单词字符之间的边界。问题是_是单词字符，数字也是，所以_和2之间没有界限。

你可以使用

[^0-9][0-9]{4}.{1}[0-9]{2}.{1}[0-9]{2}[^0-9]

相反。如果日期可以在文件名的开头或结尾，请使用：

([^0-9]|^)[0-9]{4}.{1}[0-9]{2}.{1}[0-9]{2}([^0-9]|$)

【讨论】：

啊哈！这意味着我不能再直接定位年份，因为 '[0-9]{4}' 还会在 123456-1942-07-11-foobar.txt 中找到我不想要的匹配项，但我认为我可以工作省略边界。谢谢！（该死的，鬼鬼祟祟的字字符！）
您可以将[^0-9] 替换为列出您希望允许作为边界的特定字符的字符类。