对可选捕获子表达式的模式反向引用

Question

尝试使用 Bash 内置的正则表达式匹配来解析以下类型的字符串，这些字符串将被转换为 Perl 替换表达式（引号不是数据的一部分）

'~#A#B#'
#^ ^ ^-- Replacement string.
#| +---- Pattern string.
#+------ Regular expression indicator (no need to escape strings A and B),
#        which is only allowed if strings A and B are surrounded with ##.
#        Strings A and B may not contain #, but are allowed to have ~.

'#A#B#'
#^------ When regex indicator is missing, strings A and B will be escaped.

'A#B'
#        Simplified form of '#A#B#', i. e. without the enclosing ##.
#        Still none of the strings A and B is allowed to contain # at any position,
#        but can have ~, so leading ~ should be treated as part of string A.

我尝试了以下模式（同样，没有引号）：

'^((~)?(#))?([^#]+)#([^#]+)\3$'

也就是说，它声明前导 ~# 是可选的（并且其中的 ~ 更加可选），然后捕获部分 A 和 B，并且要求尾随 # 仅在它出现时才存在出现在领导者身上。捕获前导 # 仅用于反向引用匹配 - 在其他地方不需要它，而捕获 ~ 以供脚本随后检查。

但是，该模式仅适用于最完整类型的输入数据：

'~#A#B#'
'#A#B#'

但不是为了

'A#B'

我。例如，每当缺少前导部分时，\3 就无法匹配。但是如果将\3替换为.*，则匹配成功，可以看出${BASH_REMATCH[3]}是一个空字符串。这是我不明白的，前提是未设置的变量在 Bash 中被视为空字符串。 那么我如何将反向引用与可选内容匹配？

作为一种解决方法，我可以编写一个替代模式

'^(~?)#([^#]+)#([^#]+)#$|^([^#]+)#([^#]+)$'

但它会为每种可能的情况生成不同的捕获组，这使得代码不太直观。

重要提示。正如@anubhava 在他的评论中提到的那样，反向引用匹配在某些 Bash 构建中可能不可用（也许这是构建选项的问题，而不是版本号，甚至是某些外部库）。这个问题当然是针对那些支持这种功能的 Bash 环境。

Answer 1

有两种方法可以解决这个问题：

1. 不要将组设为可选（换句话说，允许它根本不匹配），而是将其设为强制但匹配空字符串。换句话说，将(#)? 等结构更改为(#?)。

2. 仅当组 3 匹配时，才使用条件匹配反向引用 \3。为此，请将\3 更改为(?(3)#|)。

通常，第一个选项更可取，因为它具有更好的可读性。此外，bash 的正则表达式似乎不支持条件构造，因此我们需要使选项 1 起作用。这很困难，因为只有在# 也存在时才允许~ 的附加条件。如果 bash 支持前瞻，我们可以做类似((~)(?:#))?(#?) 的事情。但既然没有，我们就需要发挥创造力。我想出了以下模式：

^((~(#))|(#?))([^#]+)#([^#]+)(\3|\4)$

Demo.

这个想法是利用交替运算符| 来处理两种不同的情况：文本以~# 开头，或者不以~# 开头。 ((~(#))|(#?)) 在第 2 组中捕获 ~#，在第 3 组中捕获 #，但如果没有 ~，那么它只会在第 4 组中捕获 #（如果存在）。然后我们可以在结尾匹配结束#，如果有一个开头（记住，如果文本以~#开头，第3组捕获#，第4组捕获#或空字符串，如果文本不以~#)开头。