匹配字符串运算符的正则表达式

Question

我正在尝试创建一个匹配运算符 ^ (xor) 的正则表达式，只要它充当两个字符串之间的运算符而不是字符串的一部分。

例如，有一个包含这两行的文件：

'asdfasdf'; 'asdfasd'^'asdflkj';
['asdf', '^', 'asdf'];

只有第一个应该匹配，因为它是唯一一个 ^ 不是字符串的一部分。当 ^ 不在字符串中时，如何使正则表达式匹配 ^？

更新：我正在使用 egrep。我需要一种方法来确定 ^ 何时是字符串的一部分或何时不是。我的最终目标是找出 xor 运算符何时用于字符串：类似于 ('[^']'\^.+|.+\^'[^']') 但这与我的示例的第二行匹配。

所以，它应该匹配如下字符串：

  'asdf1524-sdfaA'^'sdfa322='
  'sdfa22_'^$myvar
  $myvar^'asAf34%'

但是它不应该匹配：

 ['+','*','^','%']
 '^'=>2
 "afa^sadfa"

UPDATE2：又添加了一个示例来说明为什么建议的 awk 解决方案不起作用。在使用单引号字符串进行操作时，我需要找到 ^ 运算符。我想在一个文件中找到这个的出现次数，我想在一个 bash 脚本中添加这个检查。

提前致谢！

Answer 1

像这样：^[^^,]+?(?<!')'?\^'?(?!')[^^,]+?$ 应该做你想做的事。 here 提供了一个示例。

Answer 2

您要做的是明确catch 可能包含您不想匹配的^ 的字符串，然后丢弃那个字符串。 here 和 JavaScript 示例 here 对此进行了彻底解释。

如果您使用 PCRE 正则表达式，您可以利用 PCRE 的 (*SKIP)(*FAIL) 选项立即丢弃麻烦的匹配项，否则您必须在捕获组中捕获它们，然后您可以检查并丢弃整个匹配项是捕获-group 不为空。

这将是Regex101 demo 的 PCRE 方式

(?:(['"])(?:(?!\1|\\).|\\.)*\1|\/\/[^\n]*(?:\n|$)|\/\*(?:[^*]|\*(?!\/))*\*\/)(*SKIP)(*FAIL)|\^

如果您需要根据捕获组手动丢弃匹配项，请执行以下操作：

((['"])(?:(?!\2|\\).|\\.)*\2|\/\/[^\n]*(?:\n|$)|\/\*(?:[^*]|\*(?!\/))*\*\/)|\^

另请参阅Debuggex Demo，其中您要匹配的^ 是黄色的，表示它们不在捕获组中。所有其他匹配项都有一个捕获组，并在 Debuggex 视觉对象中以较暗的方式突出显示。

注意：我添加了对/*...*/ 和// cmets 的支持，但是这些都没有考虑到PHP 中的Heredoc/nowdoc 字符串，不知道这对你是否重要，你可以将其添加为相当简单的另一个替代匹配，应该是 (*SKIP)(*FAIL)ed 或捕获并丢弃。

Answer 3

只需将 awk 与字段和简单的正则表达式一起使用，而不是将 grep 与复杂的正则表达式一起使用，例如使用到目前为止在此线程中建议的所有示例输入：

$ cat file
'asdfasdf'; 'asdfasd'^'asdflkj';                YES
['asdf', '^', 'asdf'];                          NO
''o'^'o''                                       NO
'asdf1524-sdfaA'^'sdfa322='                     YES
'sdfa22_'^$myvar                                YES
$myvar^'asAf34%'                                YES
['+','*','^','%']                               NO
'^'=>2                                          NO
'asdfa5A_sdf'; 'asd5A_fasd'^'asd5A_flkj';       YES
'asdfa5A_'^$var1;                               YES
$var2^'asdfa5A_';                               YES
'asdf', '^', 'asdf';                            NO
'+', '-', '*', '/', '^', '_');                  NO
'+'=>0,'-'=>0,'*'=>0,'/'=>0,'^'=>1);            NO
'+'=>0,'-'=>0,'*'=>1,'/'=>1,'_'=>1,'^'=>2);     NO
'+', '-', '*', '/', '^'))) {                    NO

$ awk -F"'" '{for (i=1;i<=NF;i+=2) if ($i ~ /\^/) {print; next}}' file
'asdfasdf'; 'asdfasd'^'asdflkj';                YES
'asdf1524-sdfaA'^'sdfa322='                     YES
'sdfa22_'^$myvar                                YES
$myvar^'asAf34%'                                YES
'asdfa5A_sdf'; 'asd5A_fasd'^'asd5A_flkj';       YES
'asdfa5A_'^$var1;                               YES
$var2^'asdfa5A_';                               YES

上述方法通过将每个' 的每一行拆分为一系列字段，因此奇数字段在引号对之外，而偶数字段在引号对内（例如out'in'out'in'out），然后你就拥有在奇数字段中查找^。

如果可能的话，这需要更多的工作来处理字符串中的换行符和/或转义引号，但到那时你真的应该查看语言解析器而不是 shell 脚本。

Answer 4

我需要在 grep 中工作，所以 pcre 不能正常工作（即使使用 pgrep）。 我最终使用了一个非常丑陋且并非总是有效的正则表达式：

^[^']*((('[^']*){1}|('[^']*){3}|('[^']*){5}|('[^']*){7}|('[^']*){9}|('[^']*){11})[^']+'\^.+|(('[^']*){0}|('[^']*){2}|('[^']*){4}|('[^']*){6}|('[^']*){8}|('[^']*){10})[^']+\^'.+)

这适用于在运算符之前声明的最多 5 个字符串，并最终比较 [^']+\^'.+ 或 [^']+'\^.+。我知道，我知道......但这是我发现让它工作的唯一方法，当然只适用于单引号字符串。 它与这个示例文件完美配合：

'asdfa5A_sdf'; 'asd5A_fasd'^'asd5A_flkj';
'asdfa5A_'^$var1;
$var2^'asdfa5A_';
'asdf', '^', 'asdf';
'+', '-', '*', '/', '^', '_');
'+'=>0,'-'=>0,'*'=>0,'/'=>0,'^'=>1); 
'+'=>0,'-'=>0,'*'=>1,'/'=>1,'_'=>1,'^'=>2); 
'+', '-', '*', '/', '^'))) {

欢迎提供更好的解决方案 :)。 感谢所有帮助我的人，特别是@npinti，他花了很多时间检查这个！