所有正则表达式风格的共同特征？

Question

我已经看到不同支持正则表达式的工具/语言的正则表达式功能有很多共性（例如perl、sed、java、vim 等），但我也有很多差异。

有没有 标准 所有支持正则表达式的工具/语言都支持正则表达式功能的子集？不同工具/语言之间的正则表达式功能有何不同？

Answer 1

比较正则表达式风格

http://www.regular-expressions.info/refflavors.html

Answer 2

http://en.wikipedia.org/wiki/Comparison_of_regular_expression_engines
更详细的是： http://www.regular-expressions.info/refflavors.html

Answer 3

大多数正则表达式工具/语言都支持这些 基本能力:

1. 字符类/字符集及其否定 - []
2. 锚点 - ^$
3. 交替 - |
4. 量词 - ?+*{n,m}
5. 元字符 - \w、\s、\d、...
6. 反向引用 - \1、\2、...
7. 点-.
8. 简单的修饰符，例如 /g 和 /i 用于全局并忽略大小写
9. 转义字符

更高级的工具/语言支持：

1. 前瞻和后瞻
2. POSIX 字符类
3. 单词边界
4. 内联开关例如仅允许正则表达式的一小部分不区分大小写
5. /x 等修饰符允许额外的格式和注释，/m 表示多行
6. 命名捕获
7. 统一码

Answer 4

如果您采用 grep regexp 语法，而不是 egrep 或 sed regexp 语法并使用，那么您应该在许多平台和工具中使用一个安全的子集。

唯一可能让你感到困扰的是当你在使用有限状态自动机（FSA）的正则表达式实现和使用回溯的正则表达式实现之间切换时，例如从 grep 到 Perl，量词的实现会有所不同。

基于 FSA 的实现将找到从第一个可能位置开始的最长匹配。回溯会找到左偏的第一个匹配项，从第一个可能的位置开始。也就是说，它将按照模式中的顺序尝试每个分支，直到找到匹配项。

考虑字符串 "xyxyxyzz", ，以及模式 "(xy)*(xyz)?". 。基于 FSA 的引擎将匹配尽可能长的子字符串， "xyxyxyz". 。基于回溯的引擎将匹配左偏的第一个子字符串， "xyxyxy".

Answer 5

没有标准发动机。但是，POSIX 扩展正则表达式格式是大多数引擎的有效子集，并且可能最接近标准化子集。

Answer 6

查看emacs的正则​​表达式语法： http://www.gnu.org/software/emacs/manual/html_node/emacs/Regexps.html#Regexps.

我记得读过 emacs 的语法是一成不变的（出于向后兼容性的原因），所以如果你想兼容 一切, ，使一切都与此兼容。有些工具可能支持它，有些工具可能不支持。

虽然你有一个有价值的目标，但我认为它会非常难以实现，而且我还发现 emacs 的正则表达式使用起来很痛苦。或许 99% 的事情只要能让你更快乐、更有效率就足够好了？