正则表达式：{n} 和 {n,m} 忽略最大重复次数

Question

我对正则表达式的最大重复次数有疑问：{n} 和 {n, m}。

$ man grep
...
Repetition
    A regular expression may be followed by one of several repetition operators:
...
    {n}    The preceding item is matched exactly n times.
    {n,}   The preceding item is matched n or more times.
    {,m}   The preceding item is matched at most m times.  This is a GNU extension.
    {n,m}  The preceding item is matched at least n times, but not more than m times.
...

现在考虑一个测试文件：

$ cat ./sample.txt
1
12
123
1234

然后将其 grep 为恰好重复 2 次的 [0-9]（数字）：

$ grep "[0-9]\{2\}" ./sample.txt
12
123
1234

？为什么会包括 123 和 1234？

另外，我在相同的文本文件中查找重复至少 2 次但不超过 3 次的数字：

$ grep "[0-9]\{2,3\}" ./sample.txt
12
123
1234

？？？为什么返回“1234”？

一个明显的解决方法是使用 grep 和 reverse-grep 过滤掉过多的结果。例如，

$ grep "[0-9]\{2,\}" ./sample.txt | grep -v "[0-9]\{4,\}"
12
123

谁能帮我理解为什么 {n} 返回包含重复 n 次的模式的行？为什么 {n,m} 会返回重复 m 次的模式？？

Answer 1

除非您锚定正则表达式，否则它们可以匹配字符串中的任何位置。

$ grep "[0-9]\{2\}" ./sample.txt 将匹配任何包含 2 位数字的行。

使用^ 强制表达式从行首开始，使用$ 强制匹配到行尾。例如。

$ grep '^[0-9]\{2\}$' ./sample.txt
# Using single quotes to avoid potential substitution issues. Hat tip to @ghoti

这应该只返回12。

Answer 2

模式可能出现在较长的文本中，也可能遵循相同的模式。对于 grep 使用 -o 选项来查看正则表达式在哪里找到了匹配项。两位数可以在一个由两位数组成的数字中找到，也可以在一个长度为 10 位的数字中找到。

另一个答案指向两个锚点，但有一个单词边界标记\b 匹配边界位置（如果使用）。这关闭了两端。不幸的是，POSIX BRE（grep 默认的正则表达式风格）不支持这一点，但在 GNU sed 中，您可以启用 Perl 正则表达式并对其进行测试：

grep -P '\b[0-9]{2}\b' file

单独使用grep 两个\< 和\> 匹配相同的位置：

grep '\<[0-9]\{2\}\>' file