regex - bash 中 grep 对前面有几个相同字符的行的意外行为

Question

我正在玩overthewire.org的强盗；达到 10 级需要我在文本文件中查找前面有几个“=”字符（等号）（我将“几个”解释为“两个或更多”）的字符串。

目标行如下所示：

========== passwordhere123

即十个等号、一个空格和一串字母和数字，然后是换行符（不确定是哪种确切类型）。

应排除这些行：

c========== EqualSignDidNotStartLine

= only-one-equal-sign

equalsign=somewhereElse

No equal signs at all

原始数据不包含任何前面有少于十但多于一个 = 的行；文本中有一些 +（加号），但 + 和 = 永远不会在同一行。

强盗服务器运行某种 linux @ 4.18.12 (uname -r)、GNU bash 4.4（来自手册页）和 GNU grep 2.27（来自手册页）。

原始数据包含不可读的部分，因此它首先被输入strings，只留下人类可读的字符串来处理 grep。

据我所知，grep 的默认正则表达式引擎（BRE，感谢Casimir）与 PCRE 的区别不大。*仍然是一个量词（匹配前面的模式零次或多次），而不是作为一个独立的模式，意思是“任何东西，零次或多次”。这让我对下面 grep 的行为感到困惑。

编辑：根据此图表，“+”需要\+在 BRE 中转义（即）。但它无济于事。我将制作更多的测试字符串来尝试破译发生了什么。

这是我尝试过的命令：

strings data.txt | grep -P -e ^==+.*

strings data.txt | grep -P -e ^==+.*$ #both PCRE expressions worked correctly

#start BRE

strings data.txt | grep -e ^==.*    #includes every line preceded by at least two =; works

strings data.txt | grep -e ^==.*$   #includes every line preceded by at least two =; works

strings data.txt | grep -e ^==+.*   #no output; why?

strings data.txt | grep -e ^==+.*$  #no output

strings data.txt | grep -e ^==+*    #includes every target line, so works; WHY IS THIS A LEGAL REGEX?

strings data.txt | grep -e ^==+*$   #no output

strings data.txt | grep -e ^==\+.*  #no output

strings data.txt | grep -e ^==\+.*$ #no output

strings data.txt | grep -e ^==\+*   #includes every target line, so works

strings data.txt | grep -e ^==\+*$  #no output

标签： regexbashgrep

Answer 1

首先，我会担心外壳扩展。根据长期经验，我将正则表达式放在命令行中的“单引号”中，以避免元字符的疯狂。

其次，这个（在BRE下）：

^==+*

是完全有效的。它的意思是：

^     anchored at the start of the input
==    followed by 2 '=' charaters
+*    followed by 0 or more '+' characters 

您说“根据我所学到的，grep 的默认正则表达式引擎（BRE，感谢 Casimir）与 PCRE 应该没有太大不同”，我认为这是您的问题。特别是，+是PRCE 中的元字符，而不是BRE 中的元字符。观察：

echo '==+++++' | grep ^==+*
==+++++

echo '==+++++' | grep -E ^==+*
grep: repetition-operator operand invalid

-Eongrep启用扩展的正则表达式。

那么，既然您知道这+只是+BRE 下的文字，您能明白为什么所有模式的行为方式都如此吗？