Grep -P模式下{,N}至多匹配失效的问题咨询

问题场景 #

需要从文本中提取以chr开头，后跟至多2位数字或单个X/Y，再跟下划线的行。输入示例：

chr5_   16560869
chrX    46042911
chr12_  131428407
chr22_  13191864
chr5    165608
chrX_   96055593

执行以下命令时，仅能匹配到chrX_/chrY_开头的行，无法匹配chr5_/chr12_这类行：

grep -P "^chr(\d{,2}|X{1}|Y{1})_" input_file.txt

但将{,2}改为{1,2}后，命令能得到预期结果：

grep -P "^chr(\d{1,2}|X{1}|Y{1})_" input_file.txt

原因解析 #

问题出在GNU grep的PCRE模式（-P）对{,N}简写语法的兼容性：

• 虽然Perl正则规范本身支持{,N}表示「0到N次匹配」，但部分旧版本的GNU grep在-P模式下，无法正确识别这种简写形式，会导致\d{,2}分支失效，正则只能匹配后面的X/Y分支。
• 而{1,2}是所有PCRE实现都支持的标准语法，表示「1到2次匹配」，因此分支能正常工作，匹配到1-2位数字的情况。

补充说明 #

你的需求中，chr后面必须跟至少1位数字或单个X/Y，因此\d{1,2}才是符合需求的写法（{,2}允许0位数字，本身就不符合你的提取逻辑）。如果确实需要「0到N次」的语义，在旧版grep中需显式写成{0,N}（比如\d{0,2}）才能被正确解析。

内容的提问来源于stack exchange，提问作者ricardlambea