POSIX BRE/ERE 中的空正则表达式是什么意思？答案

【问题标题】：What does an empty regular expression mean in POSIX BRE/ERE?POSIX BRE/ERE 中的空正则表达式是什么意思？
【发布时间】：2016-03-15 07:41:31
【问题描述】：

以下面的 API regex_match 为例，如果我用 regex_match(any_string_here,"") 调用它，你可以看到我在这里传递了一个空的正则表达式，那么它总是返回 0，表示匹配成功。那么，POSIX BRE/ERE 中的空正则表达式是什么意思？

空正则表达式意味着我将 "" 传递给 glibc regcomp 函数。请参阅以下示例。

int regex_match( const char* haystack, const char* needle )
{
        regex_t needle_pattern;
        int regex_flag = REG_NOSUB | REG_EXTENDED;
        int rc = regcomp(&needle_pattern,needle, regex_flag);
        if (rc != 0){
                char error_msg[256];
                size_t error_len = 0;
                error_len = regerror(rc,&needle_pattern,error_msg,sizeof(error_msg));
                error_len = error_len < sizeof(error_msg) ? error_len : sizeof(error_msg) - 1;
                error_msg[error_len] = '\0';
                cout<<"compile error: "<<error_msg<<endl;
                regfree(&needle_pattern);
                return regcomp_error_base + rc;
        }
        rc = regexec(&needle_pattern, haystack, 0, NULL, 0);
        if ( (rc != 0) && (rc != REG_NOMATCH)){
                char error_msg[256];
                size_t error_len = 0;
                error_len = regerror(rc,&needle_pattern,error_msg,sizeof(error_msg));
                error_len = error_len < sizeof(error_msg) ? error_len : sizeof(error_msg) - 1;
                error_msg[error_len] = '\0';
                cout<<"exec error: "<<error_msg<<endl;
        }
        regfree(&needle_pattern);
        //regexec returns 0 if the regular expression matches
        return rc;
}

【问题讨论】：

不确定empty 表达式的含义。我的意思是，是这个// 还是这个/^$/ 或/.*?/。我猜如果它什么都不匹配，它就不能被假定为一个空表达式，并且可能也没有说任何关于主题字符串的内容。最好的办法是在使用主题和正则表达式字符串之前测试它们的长度。
POSIX 正则表达式语法不允许空模式。行为未定义。您可能会遇到一个无限循环（MacOS C++ 就是这种情况）。
我猜他们的关键字是它匹配的东西，虽然它从字面上什么都不匹配。
@sln 空正则表达式意味着我将 "" 传递给 glibc regcomp 函数。例如regcomp(&needle_pattern,"", regex_flag);
@stribizhev glibc 函数 regcomp 允许空的正则表达式，请看我的例子。

标签： regex posix glibc posix-ere

【解决方案1】：

这是我能找到的唯一参考资料 (source)：

case regex_constants::__re_err_empty:
    return "An empty regex is not allowed in the POSIX grammar.";

这意味着由语言正则表达式实现来定义行为是什么，POSIX 与它几乎没有关系。

注意 regex.h 中缺少此错误！在您的情况下，您有一个空/空字符串匹配，因为您将空字符串作为模式传递。这是我在regex.c source code 中找到的：

对于某些模式，例如，(a?)?, p+j 这里指向
模式的结束。我们不想强调这样的观点，
因为当我们在上面恢复它时，进入开关会
将p 递增到模式的末尾。我们不需要
推动这一点，因为我们显然不会再找到了
pend 之外的快速映射条目。这样的模式可以匹配
不过是空字符串。

因此，如果执行单个搜索，则空模式匹配输入字符串中第一个符号之前的空字符串，如果执行全局搜索，则匹配所有符号之前的所有空字符串。

【讨论】：

【解决方案2】：

一个空的正则表达式匹配一个空字符串。如果搜索字符串是空字符串，则匹配整个内容。而如果搜索字符串不为空，则匹配搜索字符串每个字符之间的空字符串。

【讨论】：

【解决方案3】：

我猜“”会占用内存中的1个字节，即“\0”，而“any_string_here”在内存中看起来像“any_string_here\0”，所以“\0”总是匹配“any_string_here\0”。

【讨论】：

【解决方案4】：

POSIX 与它无关。

好吧，POSIX 定义了 BRE/ERE 的语法。例如：

/* --------------------------------------------
   Extended Regular Expression
   --------------------------------------------
*/
extended_reg_exp   :                      ERE_branch
                   | extended_reg_exp '|' ERE_branch
                   ;
ERE_branch         :            ERE_expression
                   | ERE_branch ERE_expression
                   ;
ERE_expression     : one_char_or_coll_elem_ERE
                   | '^'
                   | '$'
                   | '(' extended_reg_exp ')'
                   | ERE_expression ERE_dupl_symbol
                   ;
one_char_or_coll_elem_ERE  : ORD_CHAR
                   | QUOTED_CHAR
                   | '.'
                   | bracket_expression
                   ;
ERE_dupl_symbol    : '*'
                   | '+'
                   | '?'
                   | '{' DUP_COUNT               '}'
                   | '{' DUP_COUNT ','           '}'
                   | '{' DUP_COUNT ',' DUP_COUNT '}'
                   ;

这个文法没有空正则表达式的产生式，即。 e.这是不允许的。

【讨论】：