GNU awk 手册的第 3.4节如下

要在括号表达式中包含字符“\”、“]”、“-”或“^”之一，请在其前面放置“\”。例如：
     [d\]]
匹配“d”或“]”。此外，如果您将“]”放在开头“[”之后，则结尾括号将被视为要匹配的字符之一。

括号表达式中的 ‘\’ 的处理与其他 awk 实现兼容，并且也是 POSIX 所要求的。

另一方面，的部分没有将 列为具有特殊含义。以下是使用 GNU awk（版本 5.3.1）和 GNU grep（版本 3.11）进行的一些实验，这些实验揭示了对括号表达式中的 的冲突处理：\]\

$ echo d | awk '/[d\]]/'
d
$ echo d | grep -E '[d\]]'
$ echo ']' | awk '/[d\]]/'
]
$ echo ']' | grep -E '[d\]]'

问题是： GNU awk 文档声称GNU awk 中括号表达式
的处理是 POSIX 规定的，这是错误的吗？还是我忽略了什么？换句话说，GNU awk 是否违反了 POSIX 规范？\

0


最佳答案
3

\允许 awk 将括号表达式解释为转义字符的POSIX参考位于中的正则表达式下的表中（重点是我的，特别注意表格的最后两行）：

…这些转义序列应在括号表达式的内部和外部被识别…

转义序列 描述 意义
\" <反斜杠> <引号> 在词汇标记 STRING 中，字符。否则未定义。
\/ <反斜杠> <斜杠> 在词汇标记 ERE 中，<slash> 字符。否则未定义。
\ddd 一个 <backslash> 字符，后跟一个、两个或三个八进制数字的最长序列 (01234567)。… 用一位、两位或三位八进制整数表示的字符…
\., \[, \(,\*, \+, \?, \{, \|, \^, \$ <backslash> 字符后跟在 ERE 中具有特殊含义的字符…而不是 <backslash>。 在词汇标记 ERE 中，当不在括号表达式内时，序列应表示其自身。否则未定义。
\\ 两个 <反斜杠> 字符。 在词汇标记 ERE 中，序列应代表其自身……
\c <反斜杠> 字符后跟本表或 XBD 5. 文件格式符号 ( ) 中的表中未描述的任何字符'\\', '\a', '\b', '\f', '\n', '\r', '\t', '\v'。 不明确的

这意味着在符合 POSIX 标准的awk括号表达式之内或之外的\\被要求表示文字，\而 的含义\c，其中c是表中未列出的任何字符（例如]），POSIX 未定义，因此gawk可以随意处理它，例如，可以[d\]]表示“d或]”。

因此，不，在处理 时gawk并没有违反（它取代了用于描述 awk 行为的\） ，因为它是\按照 所要求的方式[\\]和允许的方式（因为其含义未定义）进行处理的[d\]]。

18

  • 那么，gawk 文档中声称匹配“d”或“]”显然是错误的[d\]]，不是吗？POSIX 没有强制要求这样做；它可能匹配，但不必匹配。这种构造不能保证可移植。


    – 

  • POSIX 指出这[d\]]是未定义的行为，因此任何 awk 变体（例如 BSD 或 GNU）都可以将其定义为实现者想要的任何含义。gawk 文档指出这[d\]]意味着d或] gawk 中的– 这在 gawk 文档中并不是错误，就像定义函数的作用或部分中gensub()的值一样，因为这就是 gawk 的含义。$0END


    – 


  • 1
    关于“该构造不能保证可移植。” – gawk 文档并未声称它在其他 awk 中的含义与在 gawk 中的含义相同，只是在 gawk 中的含义相同。一般来说，如果您希望代码可移植，则应避免在代码中使用任何行为未由 POSIX 定义的构造（不幸的是，现在的最新规范中也有一些已定义但几乎没有 awk 实现的构造），无论它在您使用的工具变体中是如何定义的。


    – 

  • 2
    @M.NejatAydin 我与 gawk 提供商 Arnold 进行了交谈 – 他将在 gawk 手册中添加更多关于此问题的解释性文字，并且我将针对 POSIX 开具一张票据，以改进标准中对此领域的描述。


    – 


  • 另请注意，gawk --posix '/[d\>]/'会发出警告，而gawk --posix '/[d\]]/'不会。虽然\>是 GNU 扩展，但两个括号表达式对于 POSIX 都是无效的。


    – 


规定

括号表达式要么是匹配列表表达式，要么是非匹配列表表达式。它由一个或多个表达式组成：普通字符、排序元素、排序符号、等价类、字符类或范围表达式。如果右方括号 ( ‘]’ ) 出现在列表中的第一个位置（如果有，则在初始脱字符 ( ‘^’ 之后），则它将失去其特殊含义并在括号表达式中表示自身。否则，它将终止括号表达式，除非它出现在排序符号中（例如 “[.].]” ）或者是排序符号、等价类或字符类的结尾。特殊字符 ‘.’、’*’、'[‘ 和 ‘\’（分别为句点、星号、左方括号和反斜杠）将在括号表达式中失去其特殊含义。

字符序列“[.”、“[=”和“[:”（左方括号后跟句点、等号或冒号）”在括号表达式中应为特殊字符，用于分隔排序符号、等价类表达式和字符类表达式。这些符号后应跟有效表达式和匹配的终止序列“.]”、“=]”或“:]”，如以下各项所述(…)

所以

如果将 ‘]’ 放在开头 ‘[‘ 之后，则结尾括号将被视为要匹配的字符之一

符合上述规定，但

[d\]]

据我理解，这并不意味着 匹配“d”或“]”，因为第一个]是终止的，因为它既不是第一个字符，也不是排序符号、等价类或字符类的元素。

0

通常，创建字符类比担心需要多少个反斜杠（以及每层封装会“吃掉”多少个反斜杠）更容易。因此，如果您想要一个ERE可以在grep -E和awk用于捕获 "d"（仅小写字母）和/或"]"（右方括号）的统一，那么请执行

awk '/[]d]/'
或者awk '$0 ~ "[]d]"'

grep -E '[]d]'

只有^（仅适用于累积字符类，并且仅当它是字符类中最左侧的项目时）和\需要在字符类中进行特殊的反斜杠处理。其他特殊项目（如]和）-可以通过在类中进行战略性放置来避免使用反斜杠。

取反^（即除插入符号之外的任何语言环境有效字符）—> [^^]。

我通常将-或\\放在 char 类的最右边，]最左边。如果您需要-and \:= [-… \\]。如果您需要所有这三个 { ], -, \}，也许[]-… \\]。通过\\尽可能放置在最右边，它们被误认为是除反斜杠本身之外的任何转义序列的可能性为零。

如果可能的话，通过字符范围捕获这几个字符，并完全避免使用反斜杠 – 例如，ASCII通过明确列出字符范围来捕获所有标点符号，可以这样做

awk '/[!-/:-@[-\140{-~]/'（gawk / mawk）

awk '/[!-\/:-@[-\140{-~]/'（nawk）

awk '$0 ~ "[!-/:-@[-\140{-~]"'

（我使用它 \140 是因为在我的代码中我不喜欢在任何地方使用物理反引号，但是使用它的字符串版本是安全\140的\\140）

此规则的唯一例外是，如果您需要]限制字符范围的上限。在这种情况下，选择您的毒药：

awk '/[[-\]]/'或者awk '/[][\\]/'