Bash HereDoc标记词正则捕获异常：为何仅匹配OF而非EOF？

问题场景 #

Bash里HereDoc的开头通常是cat <<EOF或cat << EOF，即<<和标记词（比如EOF）之间可带空格也可不带。想用PCRE正则^\s*cat.*[^<]<{2}[^<](.*)捕获标记词，但测试发现：当<<和EOF之间无空格时，只能捕获到OF而非完整的EOF；同时需要确保正则只匹配恰好两个<，不能匹配三个及以上的情况。

问题原因 #

你的正则里[^<]<{2}[^<]这部分是核心问题：

1. .*是贪婪匹配，会尽可能多吃掉字符，直到后面的[^<]<{2}能匹配。处理cat <<EOF时，.*会匹配到cat ，接着[^<]匹配这个空格，<{2}匹配<<。
2. 此时后面的[^<]会匹配<<之后的第一个字符E（因为E不是<，符合[^<]的规则），导致捕获组(.*)只能拿到剩下的OF，相当于第一个字符被“吃掉”了。
3. 原正则也没限制三个及以上<的情况，比如cat <<<EOF会被错误匹配——[^<]<{2}会直接匹配最后两个<，忽略第一个。

修正后的正则 #

要实现仅匹配恰好两个<，同时完整捕获标记词，可以用以下正则：

^\s*cat.*?(?<!<)<{2}(?!<)\s*(.*)

各部分解释 #

• ^\s*cat：匹配行首可选空格后的cat关键字
• .*?：非贪婪匹配，避免吃掉后面的<，直到找到符合条件的<<
• (?<!<)<{2}(?!<)：
  • (?<!<)：负向回顾后发断言，确保<<前面不是<，避免匹配<<<中的后两个<
  • <{2}：匹配恰好两个<
  • (?!<)：负向先行断言，确保<<后面不是<，避免匹配<<<的情况
• \s*：匹配<<和标记词之间的可选空格
• (.*)：捕获标记词（如果需要限制标记词格式，比如只能是大写字母，可以改成([A-Z]+)）

测试验证 #

• 对于cat <<EOF：会完整捕获EOF
• 对于cat << EOF：会完整捕获EOF
• 对于cat <<<EOF：不会匹配，因为存在三个<
• 对于cat x<<EOF：也能正确匹配并捕获EOF

内容的提问来源于stack exchange，提问作者mortenbo