使用PCRE2正则表达式解析rsync命令行参数的需求咨询

需求说明 #

需要适配PCRE2正则，解析rsync的两类命令行选项：

1. 短选项：以-开头，支持多选项合并（如-av）
2. 长选项：以--开头，支持=赋值（允许=前后带空格，如--exclude-from = /path）
   同时要捕获命令末尾的源文件夹和目标文件夹参数。

优化后的正则表达式 #

(?:(-(?<short_opt>[a-zA-Z]+))|(--(?<long_opt>[a-zA-Z0-9-]+)(?:\s*=\s*|(?=\s))(?<long_val>(?:"[^"]*"|'[^']*'|[^\s]+))?)|(?<path>[^\s]+(?:\s[^\s]+)*))(?=\s|$)

正则结构拆解 #

• 短选项匹配：(-(?<short_opt>[a-zA-Z]+))
  匹配-开头的短选项组，将选项名捕获到short_opt命名组（如-av会捕获av）。
• 长选项匹配：(--(?<long_opt>[a-zA-Z0-9-]+)(?:\s*=\s*|(?=\s))(?<long_val>(?:"[^"]*"|'[^']*'|[^\s]+))?)
  • --(?<long_opt>[a-zA-Z0-9-]+)：捕获长选项名到long_opt组（如--out-format）
  • (?:\s*=\s*|(?=\s))：兼容两种值分隔方式——带可选空格的=，或直接空格（无=的无值选项）
  • (?<long_val>(?:"[^"]*"|'[^']*'|[^\s]+))?：捕获长选项值，支持双引号/单引号包裹的含空格内容，或非空格字符；?标记值为可选（如--ignore这类无值选项）
• 路径匹配：(?<path>[^\s]+(?:\s[^\s]+)*)
  捕获未被选项匹配的末尾参数，即rsync的源和目标路径，支持引号包裹的含空格路径。

示例测试 #

针对命令：

rsync    -av -t --out-format="%M %'10'b %f" --ignore-times   -i --exclude-from = /home/user1/myapppath/exclude.txt   --ignore --link-dest="/home/user1/myback2/abc/2024-09-11T16_55_45" source/abc dest/abc

匹配结果：

• 短选项组：av、t、i
• 长选项组：
  • out-format → "%"M %'10'b %f"
  • ignore-times → 无值
  • exclude-from → /home/user1/myapppath/exclude.txt
  • ignore → 无值
  • link-dest → "/home/user1/myback2/abc/2024-09-11T16_55_45"
• 路径组：source/abc、dest/abc

注意事项 #

1. 需确保PCRE2引擎开启命名捕获组支持
2. 短选项仅匹配字母（rsync短选项无数字）
3. 引号包裹的内容会完整捕获（包括引号本身，可后续处理去除）

内容的提问来源于stack exchange，提问作者user603749