对可选捕获子表达式的模式反向引用

Question

试图使用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）：

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

也就是说，它声明前导 ~# 可选（并且其中的 ~ 甚至更可选），然后捕获部分 A 和 B，并要求尾随 # 仅当它出现在领导者中时才会出现。捕获前导 # 仅用于反向引用匹配 - 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#'

但不适用于

'A#B'

我。即，只要缺少前导部分，</code> 就无法匹配。但是如果把<code>换成.*，则匹配成功，可以看出${BASH_REMATCH[3]}是一个空串。这是我不明白的地方，前提是未设置的变量在 Bash 中被视为空字符串。 我如何匹配反向引用和可选内容？

作为解决方法，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，这使得代码不那么直观。

重要说明。正如@anubhava 在他的评论中提到的，反向引用匹配可能在某些 Bash 构建 中不可用（也许这是构建选项的问题而不是版本号，甚至是一些外部库）。这个问题当然是针对那些支持此类功能的Bash环境。

Answer 1

有两种方法可以解决这个问题：

与其将组设置为可选（换句话说，允许它根本不匹配），不如将其设置为强制但匹配空字符串。换句话说，将 (#)? 等结构更改为 (#?).
仅当第 3 组匹配时才使用条件匹配反向引用 </code>。为此，请将 <code> 更改为 (?(3)#|)。

一般来说，第一个选项更好，因为它的可读性更好。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，因为附加条件是 ~ 仅在 # 也存在时才被允许。如果 bash 支持前瞻，我们可以做类似 ((~)(?:#))?(#?) 的事情。但既然没有，我们就需要发挥创意。我想出了以下模式：

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

Demo.

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 ~# 并在可能的情况下在第 3 组中捕获 #，但如果没有 ~ 则它仅在组中捕获 #（如果存在） 4. 然后我们可以在末尾使用 (|) 来匹配结尾的 #，如果有开头的话（记住，如果文本以 [=20= 开头，则第 3 组捕获 # ]，第 4 组捕获 # 或空字符串（如果文本不是以 ~# 开头）。

对可选捕获子表达式的模式反向引用

Pattern backreference to an optional capturing subexpression

regex

bash

backreference