使用grep -E匹配回文时出现非回文误匹配的问题求助

问题背景 #

更新: 该问题并非仅与grep -E选项相关。

正在阅读《UNIX编程环境》时，做练习用grep -E从单词列表中筛选回文，使用正则'^(.?)(.?)(.?)(.?)(.?).?\5\4\3\2\1$'（预期匹配最多11字符的回文），但出现了误匹配：

me@machine:~/test$ cat sample
a
ab
abba
abcdef
abcba
zufolo
me@machine:~/test$ grep -E '^(.?)(.?)(.?)(.?)(.?).?\5\4\3\2\1$' sample
a
abba
abcba
zufolo
me@machine:~/test$ grep -E '^(.?)(.?)(.?)(.?).?\4\3\2\1$' sample
a
abba
abcba

非回文zufolo被错误匹配，且切换到匹配最多9字符的正则后，该单词不再被匹配。系统环境为Ubuntu 22.04（Linux 6.5.0-14-generic），类似误匹配的单词还有xenian、tartar等。

核心原因 #

问题出在正则的分组匹配逻辑上：

• 正则中大量使用.?（匹配0或1个任意字符），导致分组可以捕获空字符串。
• GNU grep的POSIX扩展正则（ERE）中，当分组未捕获有效内容时，对应的反向引用\n会匹配空字符串。
• 对于长度短于正则最大匹配长度的单词（比如6字符的zufolo），正则会自动调整分组的捕获内容：让部分分组捕获空，对应的反向引用也匹配空，最终绕过回文的对称约束，实现整体匹配。

为什么9字符正则不匹配zufolo？ #

9字符版本的正则只有4个分组，对应4个反向引用，其结构对字符位置的约束更严格。zufolo的字符结构无法通过调整分组捕获（包括空捕获）来满足反向引用的匹配要求，因此不会被误匹配。

解决方案 #

1. 修正正则写法，严格约束分组匹配 #

将奇偶长度的回文分开处理，避免分组空捕获的问题：

# 匹配1-11字符的回文（区分奇偶长度）
grep -E '^(.?)(.?)(.?)(.?)(.?)\5\4\3\2\1$|^(.?)(.?)(.?)(.?).?\4\3\2\1$' sample

这种写法中，奇数长度的回文对应“5个分组+反向引用”（中间无额外字符），偶数长度对应“4个分组+中间1个字符+反向引用”，每个分组都必须捕获有效字符，彻底避免空捕获导致的误匹配。

2. 用更可靠的非正则方法 #

直接通过反转字符串对比判断回文，比正则更简单且不会出错：

• 使用awk：

awk '{rev = ""; for (i=length($0); i>0; i--) rev = rev substr($0,i,1); if ($0 == rev) print}' sample

• 使用bash+rev命令：

while read -r word; do
  [ "$word" = "$(echo "$word" | rev)" ] && echo "$word"
done < sample

关于系统环境的影响 #

该问题主要是正则写法的缺陷导致，和Ubuntu 22.04的系统环境无关，换其他使用GNU grep的系统也会出现相同问题。

内容的提问来源于stack exchange，提问作者airmulk