Почему findstr неправильно обрабатывает регистр (в некоторых случаях)?

Question

При написании некоторых недавних сценариев в cmd.exe мне нужно было использовать findstr с регулярными выражениями - клиенту требовались стандартные команды cmd.exe (без GnuWin32, Cygwin, VBS и Powershell).

Я просто хотел узнать, содержит ли переменная какие-либо символы в верхнем регистре, и попытался использовать:

> set myvar=abc
> echo %myvar%|findstr /r "[A-Z]"
abc
> echo %errorlevel%
0

Когда для %myvar% установлено значение abc, это фактически выводит строку и устанавливает errorlevel в 0, говоря, что совпадение найдено.

Однако вариант полного списка:

> echo %myvar%|findstr /r "[ABCDEFGHIJKLMNOPQRSTUVWXYZ]"
> echo %errorlevel%
1

выводит не строку и правильно устанавливает errorlevel в 1.

Дополнительно:

> echo %myvar%|findstr /r "^[A-Z]*$"
> echo %errorlevel%
1

также работает как положено.

Я явно пропускаю что-то здесь, даже если это только тот факт, что findstr как-то сломан.

Почему первое (диапазонное) регулярное выражение в этом случае не работает?

---

И еще больше странностей:

> echo %myvar%|findstr /r "[A-Z]"
abc
> echo %myvar%|findstr /r "[A-Z][A-Z]"
abc
> echo %myvar%|findstr /r "[A-Z][A-Z][A-Z]"
> echo %myvar%|findstr /r "[A]"

Последние два выше также не выводят строку !!

Answer 1

Я считаю, что это в основном ужасный недостаток дизайна.

Мы все ожидаем, что диапазоны будут сопоставляться на основе значения кода ASCII. Но они этого не делают - вместо этого диапазоны основаны на последовательности сортировки, которая почти соответствует последовательности по умолчанию, используемой в SORT. РЕДАКТИРОВАТЬ -Точная последовательность сортировки, используемая FINDSTR, теперь доступна в https://stackoverflow.com/a/20159191/1012053 в разделе под названием Диапазоны классов символов Regex [xy] .

Я подготовил текстовый файл, содержащий одну строку для каждого расширенного символа ASCII от 1 до 255, исключая 10 (LF), 13 (CR) и 26 (EOF в Windows). В каждой строке у меня есть символ, за которым следует пробел, за которым следует десятичный код для символа. Затем я запустил файл через SORT и записал вывод в файл sortedChars.txt.

Теперь я могу легко протестировать любой диапазон регулярных выражений для этого отсортированного файла и продемонстрировать, как диапазон определяется последовательностью сортировки, которая почти совпадает с последовательностью SORT.

>findstr /nrc:"^[0-9]" sortedChars.txt
137:0 048
138:½ 171
139:¼ 172
140:1 049
141:2 050
142:² 253
143:3 051
144:4 052
145:5 053
146:6 054
147:7 055
148:8 056
149:9 057

Результаты не совсем те, которые мы ожидали в том, что символы 171, 172 и 253 добавляются в микс. Но результаты имеют смысл. Префикс номера строки соответствует последовательности сортировки SORT, и вы можете видеть, что диапазон точно совпадает в соответствии с последовательностью SORT.

Вот еще один тест диапазона, который точно следует последовательности SORT:

>findstr /nrc:"^[!-=]" sortedChars.txt
34:! 033
35:" 034
36:# 035
37:$ 036
38:% 037
39:& 038
40:( 040
41:) 041
42:* 042
43:, 044
44:. 046
45:/ 047
46:: 058
47:; 059
48:? 063
49:@ 064
50:[ 091
51:\ 092
52:] 093
53:^ 094
54:_ 095
55:` 096
56:{ 123
57:| 124
58:} 125
59:~ 126
60:¡ 173
61:¿ 168
62:¢ 155
63:£ 156
64:¥ 157
65:₧ 158
66:+ 043
67:∙ 249
68:< 060
69:= 061

Существует одна небольшая аномалия с альфа-символами. Символ "a" сортирует между "A" и "Z", но не соответствует [A-Z]. «z» сортирует после «Z», но соответствует [A-Z]. Есть соответствующая проблема с [a-z]. «A» сортирует перед «a», но соответствует [a-z]. «Z» сортирует между «a» и «z», но не соответствует [a-z].

Вот результаты [A-Z]:

>findstr /nrc:"^[A-Z]" sortedChars.txt
151:A 065
153:â 131
154:ä 132
155:à 133
156:å 134
157:Ä 142
158:Å 143
159:á 160
160:ª 166
161:æ 145
162:Æ 146
163:B 066
164:b 098
165:C 067
166:c 099
167:Ç 128
168:ç 135
169:D 068
170:d 100
171:E 069
172:e 101
173:é 130
174:ê 136
175:ë 137
176:è 138
177:É 144
178:F 070
179:f 102
180:ƒ 159
181:G 071
182:g 103
183:H 072
184:h 104
185:I 073
186:i 105
187:ï 139
188:î 140
189:ì 141
190:í 161
191:J 074
192:j 106
193:K 075
194:k 107
195:L 076
196:l 108
197:M 077
198:m 109
199:N 078
200:n 110
201:ñ 164
202:Ñ 165
203:ⁿ 252
204:O 079
205:o 111
206:ô 147
207:ö 148
208:ò 149
209:Ö 153
210:ó 162
211:º 167
212:P 080
213:p 112
214:Q 081
215:q 113
216:R 082
217:r 114
218:S 083
219:s 115
220:ß 225
221:T 084
222:t 116
223:U 085
224:u 117
225:û 150
226:ù 151
227:ú 163
228:ü 129
229:Ü 154
230:V 086
231:v 118
232:W 087
233:w 119
234:X 088
235:x 120
236:Y 089
237:y 121
238:ÿ 152
239:Z 090
240:z 122

И результаты [a-z]

>findstr /nrc:"^[a-z]" sortedChars.txt
151:A 065
152:a 097
153:â 131
154:ä 132
155:à 133
156:å 134
157:Ä 142
158:Å 143
159:á 160
160:ª 166
161:æ 145
162:Æ 146
163:B 066
164:b 098
165:C 067
166:c 099
167:Ç 128
168:ç 135
169:D 068
170:d 100
171:E 069
172:e 101
173:é 130
174:ê 136
175:ë 137
176:è 138
177:É 144
178:F 070
179:f 102
180:ƒ 159
181:G 071
182:g 103
183:H 072
184:h 104
185:I 073
186:i 105
187:ï 139
188:î 140
189:ì 141
190:í 161
191:J 074
192:j 106
193:K 075
194:k 107
195:L 076
196:l 108
197:M 077
198:m 109
199:N 078
200:n 110
201:ñ 164
202:Ñ 165
203:ⁿ 252
204:O 079
205:o 111
206:ô 147
207:ö 148
208:ò 149
209:Ö 153
210:ó 162
211:º 167
212:P 080
213:p 112
214:Q 081
215:q 113
216:R 082
217:r 114
218:S 083
219:s 115
220:ß 225
221:T 084
222:t 116
223:U 085
224:u 117
225:û 150
226:ù 151
227:ú 163
228:ü 129
229:Ü 154
230:V 086
231:v 118
232:W 087
233:w 119
234:X 088
235:x 120
236:Y 089
237:y 121
238:ÿ 152
240:z 122

Сортировка сортирует верхний регистр перед нижним регистром. (РЕДАКТИРОВАТЬ - я только что прочитал справку по SORT и узнал, что она не различает верхний и нижний регистр. Тот факт, что мои выходные данные SORT последовательно ставят верхний перед нижним, вероятно, является результатом порядка ввода.) Но регулярное выражение, по-видимому, сортирует строчные буквы перед прописными. Все следующие диапазоны не соответствуют ни одному символу.

>findstr /nrc:"^[A-a]" sortedChars.txt

>findstr /nrc:"^[B-b]" sortedChars.txt

>findstr /nrc:"^[C-c]" sortedChars.txt

>findstr /nrc:"^[D-d]" sortedChars.txt

В обратном порядке обнаруживаются символы.

>findstr /nrc:"^[a-A]" sortedChars.txt
151:A 065
152:a 097

>findstr /nrc:"^[b-B]" sortedChars.txt
163:B 066
164:b 098

>findstr /nrc:"^[c-C]" sortedChars.txt
165:C 067
166:c 099

>findstr /nrc:"^[d-D]" sortedChars.txt
169:D 068
170:d 100

Существуют дополнительные символы, которые сортируют по регулярному выражению иначе, чем SORT, но у меня нет точного списка.

Answer 2

Так что если хотите

• только цифры: FindStr /R "^[0123-9]*$"

• восьмеричное: FindStr /R "^[0123-7]*$"

• шестнадцатеричный: FindStr /R "^[0123-9aAb-Cd-EfF]*$"

• альфа без акцента: FindStr /R "^[aAb-Cd-EfFg-Ij-NoOp-St-Uv-YzZ]*$"

• буквенно-цифровой: FindStr /R "^[0123-9aAb-Cd-EfFg-Ij-NoOp-St-Uv-YzZ]*$"

Answer 3

Вероятно, это связано с использованием диапазонов при поиске по регулярному выражению.

Это не происходит для первого символа в диапазоне. Это не происходит вообще для не-диапазонов.

> echo a | findstr /r "[A-C]"
> echo b | findstr /r "[A-C]"
    b
> echo c | findstr /r "[A-C]"
    c
> echo d | findstr /r "[A-C]"
> echo b | findstr /r "[B-C]"
> echo c | findstr /r "[B-C]"
    c

> echo a | findstr /r "[ABC]"
> echo b | findstr /r "[ABC]"
> echo c | findstr /r "[ABC]"
> echo d | findstr /r "[ABC]"
> echo b | findstr /r "[BC]"
> echo c | findstr /r "[BC]"

> echo A | findstr /r "[A-C]"
    A
> echo B | findstr /r "[A-C]"
    B
> echo C | findstr /r "[A-C]"
    C
> echo D | findstr /r "[A-C]"

В соответствии с SS64 CMD FINDSTR страницей (которая при потрясающем отображении округлости ссылается на этот вопрос) диапазон [A-Z]:

... включает полный английский алфавит, как в верхнем, так и в нижнем регистре (кроме «a»), а также неанглийские буквенные символы с диакритическими знаками.

Чтобы обойти проблему в моем окружении, я просто использовал определенные регулярные выражения (например, [ABCD] вместо [A-D]). Более разумным подходом для тех, кому это разрешено, является загрузка CygWin или GnuWin32 и использование grep из одного из этих пакетов.

Answer 4

Все выше не правы. Порядок альфа-символов следующий: aAbBcCdDeE..zZ поэтому echo a | findstr /r "[A-Z]" ничего не возвращает, поскольку a находится за пределами этого диапазона.

echo abc|findstr /r "[A-Z][A-Z][A-Z]" также ничего не возвращает, поскольку первая группа диапазонов соответствует b, вторая соответствует c, а третья ничего не соответствует и, таким образом, весь шаблон регулярного выражения ничего не находит.

Если вам нравится совпадать с любым символом латинского алфавита - используйте [a-Z].