基本正则表达式GNU扩展的平台支持

# 基本正则表达式中 GNU 扩展的平台支持 来源：https://www.wezm.net/v2/posts/2026/bre/ 最近我审阅了一位同事编写的 shell 脚本： `` if grep -e '@[^@]\+@' "$DIR/install.sh" ; then `` 当时我以为`\+`前面的`\`是个笔误，并指出如果要使用`\+`，可能需要传递`-E`以启用扩展正则表达式（ERE）支持。同事回复说，在基本正则表达式（BRE）中，`\\+`等同于 ERE 中的`\+`（表示一次或多次重复）。 这对我来说是个新知识！我想了解更多，于是查阅了 FreeBSD 的 `re_format(7)` 手册页（https://man.freebsd.org/cgi/man.cgi?query=re_format&apropos=0&sektion=7&manpath=FreeBSD+15.1-STABLE&format=html）。通常我对 BRE 和 ERE 区别的了解主要源于此，但其中并未提及这一点。我启动了一个 FreeBSD 虚拟机进行了简单测试，结果证实 `\\+` 确实可用。 与此同时，同事回复说，`\+` 并非 POSIX 规范中 BRE 的一部分，而是一个 GNU 扩展。引用最新的 POSIX 规范（https://pubs.opengroup.org/onlinepubs/9799919799/basedefs/V1_chap09.html#tag_09_03_02）中的描述： > ……`\?`、`\+` 和 `\|` 是匹配字面字符 `?`、`+` 或 `|`，还是按照 ERE 特殊字符 `?`、`+` 和 `\|` 的方式行为，由实现定义。 并附有说明： > 本标准未来版本可能要求 `\?`、`\+` 和 `\|` 按照 ERE 特殊字符 `?`、`+` 和 `\|` 的方式行为。 因此，目前将 `\+` 视为 `+` 尚未标准化。 我好奇为什么 FreeBSD 的 `grep` 支持它，但 `re_format(7)` 却未提及，于是深入 FreeBSD 的源代码。这让我找到了 `regcomp.c`（https://github.com/freebsd/freebsd-src/blob/961f4814286820f242d8d5407b9fd7238e896936/lib/libc/regex/regcomp.c#L969）： `` #ifdef LIBREGEX } else if (p->gnuext && EATTWO('\\', '?')) { INSERT(OQUEST_, pos); ASTERN(O_QUEST, pos); } else if (p->gnuext && EATTWO('\\', '+')) { INSERT(OPLUS_, pos); ASTERN(O_PLUS, pos); #endif `` 该功能于 2020 年 8 月引入（https://github.com/freebsd/freebsd-src/commit/18a1e2e9b9f109a78c5a9274e4cfb4777801b4fb）。`gnuext` 标志默认设置，除非在正则表达式上设置了 `REG_POSIX` 标志，而 `grep` 在基本模式下并未设置该标志（https://github.com/freebsd/freebsd-src/blob/9e1bbfb88e986b209709ea765189a3ebb6581bcd/usr.bin/grep/grep.c#L650）。 接下来我转向扩展的源头：glibc。glibc 中正则表达式语法非常可定制。基本正则表达式的定义（https://sourceware.org/git/?p=glibc.git;a=blob;f=posix/regex.h;h=2d8392cf84aeb42f9bbcd672f6e607d7be02f220;hb=bcbd6736005876dadd3d4751cad509568bc4bf28），`RE_SYNTAX_POSIX_BASIC` 如下： `` # define RE_SYNTAX_POSIX_BASIC \ (_RE_SYNTAX_POSIX_COMMON | RE_BK_PLUS_QM | RE_CONTEXT_INVALID_DUP) `` 而 `RE_BK_PLUS_QM` 是： `` /* 如果此位未设置，则 + 和 ? 是运算符，而 \+ 和 \? 是字面量。 如果已设置，则 \+ 和 \? 是运算符，而 + 和 ? 是字面量。 */ # define RE_BK_PLUS_QM (RE_BACKSLASH_ESCAPE_IN_LISTS << 1) `` 深入探究此 GNU 扩展的起源，我发现它自 1995 年起就已存在于 glibc 中（https://sourceware.org/git/?p=glibc.git;a=blob;f=posix/regex.h;h=42afd848817959e62a160404815dc235f7941700;hb=2b83a2a4d978012cdf78b648337c31091e20526d）。我想知道该扩展的支持范围有多广。以下是我的发现： - ✅ Chimera Linux（https://chimera-linux.org/）（及其他基于 musl 的发行版）—— 2016 年加入 musl libc（https://git.musl-libc.org/cgit/musl/commit/?id=25160f1c08235cf5b6a9617c5640380618a0f6ff）。 - ✅ macOS（https://en.wikipedia.org/wiki/MacOS）—— 似乎使用了大约 2009 年的 TRE 版本（https://github.com/laurikari/tre）。在 2021 年 10 月的代码转储（https://github.com/apple-oss-distributions/Libc/commit/0432a948ba54a0d62e6d3dd0b96a0f1e7dfd5fac）中似乎增加了对 `\+` 的支持（https://github.com/apple-oss-distributions/Libc/blob/71bbe350ab79eef58113991d817ccc6165061a64/regex/TRE/lib/tre-parse.c#L1635）。但对应代码在上游 TRE（https://github.com/laurikari/tre/blob/71bfcaf0af3994384987c6c2679ed7d078ffe189/lib/tre-parse.c#L1174）中似乎并不存在。 - ✅ NetBSD（https://netbsd.org/）—— 在 2021 年 2 月通过与 FreeBSD 同步（https://github.com/NetBSD/src/commit/1ee269c3a208a14da224b6e9917e2e9798961fff）支持此功能。 - ❌ OpenBSD（https://www.openbsd.org/）—— 似乎不支持（https://github.com/openbsd/src/blob/3a7ae229256d4c0f22c83dba5625ff455b6689a3/lib/libc/regex/regcomp.c#L465）。 - ❌ Illumos（https://illumos.org/）—— 似乎不支持（https://github.com/illumos/illumos-gate/blob/edd2f3461fcd719ff41d34b395ef3f5b5994fad1/usr/src/lib/libc/port/regex/regcomp.c#L700）。 - ✅ Redox OS（https://www.redox-os.org/）—— 使用 `posix-regex`（https://gitlab.redox-os.org/redox-os/posix-regex）crate，该 crate 确实实现了该扩展（https://gitlab.redox-os.org/redox-os/posix-regex/-/blob/063882aa6051b5075062d20d00b41ddc0fb8cd89/src/compile.rs#L214）。自 2018 年起（https://gitlab.redox-os.org/redox-os/posix-regex/-/commit/7648b78f45122826ca827ecd15111c4639aa68bd#line_16f7fc429_A254）。 - ✅ Haiku（https://www.haiku-os.org/）—— 支持（https://codeberg.org/haiku/haiku/src/commit/2b75ca9e1c15526b9ff7613363bb792a28a7f7ac/src/build/libgnuregex/regex.h#L179）。自 2014 年起通过导入 gnuregex（https://codeberg.org/haiku/haiku/commit/b55c918f579fb523946747cf26dde829fe7fe8c2）支持。 - ❌ SerenityOS（https://serenityos.org/）—— 不支持（https://github.com/SerenityOS/serenity/blob/341274075a32952223a8c8fe08e702fb7cbb2a04/Userland/Libraries/LibRegex/RegexParser.cpp#L399）。 ### 结论 浏览众多开源操作系统的代码确实乐趣无穷。看到各种实现以及它们在可读性上的巨大差异很有意思。macOS 中的 TRE 是最难理解的，而 musl 一如既往地清晰。FreeBSD 虽然更复杂，但仍然相对直接。 最终结论是，这虽是一个非标准化扩展，但得到了较为广泛的支持，不过并非所有系统都支持。因此，当需要扩展功能时，最好使用 `-E` 或类似选项显式启用扩展正则表达式。