Regex awk中多字符分隔符的非贪婪正则表达式匹配

考虑字符串“ab1ba2ab3ba”。如何以非贪婪的方式（在awk中）匹配

“AB”

和

“BA”

之间的内容

我尝试了以下方法：

awk '
BEGIN {
    str="AB 1 BA 2 AB 3 BA"
    regex="AB([^B][^A]|B[^A]|[^B]A)*BA"
    if (match(str,regex))
        print substr(str,RSTART,RLENGTH)
}'

---

没有输出。我认为不匹配的原因是

“AB”

和

“BA”

之间有奇数个字符。如果我将

str

替换为

“AB 11 BA 22 AB 33 BA”

，正则表达式似乎可以工作。

合并两个否定字符类，并从第二个替换中删除

[^A]

：

regex = "AB([^AB]|B|[^B]A)*BA"

这个正则表达式在字符串

ABABA

上失败，但是-不确定这是否是一个问题

说明：

---

由于在替换中匹配

A

的唯一方法是匹配前面的

B

之外的字符，因此我们可以安全地使用简单的

B

作为替换之一。

另一个答案并没有真正回答：如何不贪婪地匹配？ 看来这件事不能在（G）AWK中完成。手册上说：

awk（和POSIX）正则表达式始终匹配最左边、最长的 可以匹配的输入字符序列

---

整个手册中没有“贪婪”和“懒惰”这两个词。它提到了扩展正则表达式，但是。所以…不，不行

对于一般表达式，我将其用作非贪婪匹配：

function smatch(s, r) {
    if (match(s, r)) {
        m = RSTART
        do {
            n = RLENGTH
        } while (match(substr(s, m, n - 1), r))
        RSTART = m
        RLENGTH = n
        return RSTART
    } else return 0
}

smatch

的行为类似于

match

，返回：

在

s

中正则表达式

r

出现的位置，如果没有出现，则为0。变量

RSTART

和

RLENGTH

设置为匹配字符串的位置和长度

---

仍然有点困惑：）为什么

AB（[^AB]|[^B]a）*BA

匹配

ABBBA

，而它不匹配

abababa

？@HåkonHægland:regex不匹配

ABBBA

…我的匹配是因为在替换中有一个

B

。我想知道为什么你的regex与我从DFA派生的regex不同。结果发现它正在匹配中。顺便说一下，正确的答案是

AB（[^B]|B+[^AB]）*B*BA

。

function smatch(s, r) {
    if (match(s, r)) {
        m = RSTART
        do {
            n = RLENGTH
        } while (match(substr(s, m, n - 1), r))
        RSTART = m
        RLENGTH = n
        return RSTART
    } else return 0
}