为什么我的 pcregrep 正则表达式中的积极前瞻不起作用？答案

【问题标题】：Why is the positive lookahead in my pcregrep Regex not working?为什么我的 pcregrep 正则表达式中的积极前瞻不起作用？
【发布时间】：2019-05-31 18:18:37
【问题描述】：

我使用 pcregrep 编写了一个正则表达式，一切都按预期运行，直到我添加了一个积极的前瞻。

场景：

我有以下文本文件：

a
b
c
a
c

目标：

我想使用带有 pcregrep 的正则表达式来返回包含a 的行和包含c 的行以及它们之间包含b 的行，但没有被捕获。因此它将捕获前三行（a、b、c）并返回第一行（a）和第三行（c）。它不会捕获第四行和第五行，因为它们之间没有b 行。所以输出将是：

a
c

我的尝试

如果我运行 pcregrep -M 'a\nb\nc\n'（command 1），它会捕获并返回：

a
b
c

正如预期的那样。所以我现在想修改它以捕获b 行，并具有积极的前瞻性。我试过这个：pcregrep -M 'a\n(?=(b\n))c\n'（command 2）。但是，这不会返回任何内容。

我的问题：

为什么 command 2 没有返回预期的输出，而 command 1 会返回？如何返回所需的结果？我知道除了pcregrep 之外还有其他方法可以做到这一点，但请注意我想使用pcregrep，因为我将扩展功能以解决类似问题。

谢谢！

【问题讨论】：

请记住，使用前瞻时，您不会不匹配前瞻中的字符。您只断言（不匹配字符）前瞻模式存在。您仍然必须匹配整个模式，并且前瞻再次不匹配，仅断言。
@K.Dᴀᴠɪs 明白了，谢谢。所以我现在尝试使用非捕获组，如下所示：pcgrep -M 'a\n(?:(b\n))c\n'。然而，这仍然返回'a'、'b'、'c'。你知道我怎样才能让它只返回'a''c'吗？

【解决方案1】：

您可以通过-o 选项使用 2 个捕获组：

pcregrep -M -o1 -o2 '(a\n)b\n(c)\n' file

a
c

详情：

请注意，您的正则表达式 a\n(?=(b\n))c\n 将不起作用，因为前瞻只是零宽度匹配的断言。您的正则表达式在a\n 之后断言b\n 的存在，这很好，但它会尝试匹配c\n 在 a\n 之后，这就是匹配失败的地方。

【讨论】：

是的，我在我的回答中写到-o 打印only-matching 匹配字符串的一部分，-oN 打印捕获组#N
最后澄清一下，如果我不想在中间有一行b，而是想有任意数量的b 行怎么办？目前我只有b\n，但要有零个或更多这样的行，我想我必须做(b\n)*，对吧？但我不希望括号内的b\n 被捕获。用你给我的策略我会怎么做？
...我是否也必须将其视为捕获组，然后执行 -o1 -o3 以忽略中间的？
1.您可以使用非捕获组来保持组编号相同：pcregrep -M -o1 -o2 '(a\n)(?:b\n)+(c)\n' f。 2.nested parentheses号码从左括号开始。
我知道怎么做.. 可以通过--om-separator=","

【解决方案2】：

为什么命令 2 没有返回预期的输出，而命令 1 却返回了？因为命令2是不同的表达方式

(?=…) 是零宽度前瞻

您指定的是：我想要一个a，然后是一个换行符，然后是一个b，然后是一个换行符。在那个位置，我还想要一个c，后跟一个换行符。

附：只是得到 a 和 c 也许这会有所帮助？

pcregrep -M 'a\nb\nc\n' | pcregrep -M 'a|c'

【讨论】：

明白，谢谢。所以我现在尝试使用非捕获组，如下所示：pcgrep -M 'a\n(?:(b\n))c\n'。然而，这仍然返回 'a'\n, 'b'\n, 'c'\n。你知道我怎样才能让它只返回 'a'\n 'c'\n？
我在回答@gkeenley 中添加了一个提案
这确实有效！你能解释一下“|”背后的逻辑吗？在那里工作？
第二个pcregrep 可以替换为grep -E '^(a|c)$' 但IMO 使用多个命令来实现这一点效率低下
@gkeenley 第一个 pcregrep 吐出到标准输出。管道（“|”）将标准输出作为标准输入提供给第二个 pcregrep。