正则表达式负向前看

Question

在我的主目录中，我有一个文件夹drupal-6.14，其中包含drupal平台。

在这个目录中，我使用以下命令：

find drupal-6.14 -type f -iname '*' | grep -P 'drupal-6.14/(?!sites(?!/all|/default)).*' | xargs tar -czf drupal-6.14.tar.gz

此命令的作用是gzip文件夹drupal-6.14，不包括drupal-6.14/sites/的所有子文件夹，但包含sites/all和sites/default的子文件夹除外。

我的问题是关于正则表达式：

grep -P 'drupal-6.14/(?!sites(?!/all|/default)).*'

表达式可以排除我要排除的所有文件夹，但我不太明白为什么。

使用正则表达式

Match all strings, except those that don't contain subpattern x. Or in other words, negating a subpattern.

我（认为）我知道解决这些问题的一般策略是使用否定的观点，但是我从来没有满意地理解过积极和消极的观点（前/后）是如何工作的。

这些年来，我在上面读了很多网站。PHP和Python regex手册、其他类似http://www.regular-expressions.info/lookaround.html的页面等等，但我从未真正对它们有过深入的了解。

有人能解释一下，这是如何工作的，也许能提供一些类似的例子来做类似的事情？

--更新一个：

关于Andomar的回答：双否定的lookahead是否可以更简洁地表示为一个正的lookahead语句：

即：

'drupal-6.14/(?!sites(?!/all|/default)).*'

相当于：

'drupal-6.14/(?=sites(?:/all|/default)).*'

？？？

——更新二：

根据“andomar”和“alan moore”的说法，你不能把双负展望换成正展望。

Answer 1

Lookarounds可以嵌套。

因此，这个regex匹配“drupal-6.14/”即不后跟“sites”即不后跟“/all”或“/default”。

困惑？使用不同的词，我们可以说它与“drupal-6.14/”匹配，即不是紧跟“sites”，除非后面紧跟“/all”或“/default”

Answer 2

一个否定的展望说，在这个位置，下面的正则表达式不能匹配。

让我们举一个简单的例子：

a(?!b(?!c))

a      Match: (?!b) succeeds
ac     Match: (?!b) succeeds
ab     No match: (?!b(?!c)) fails
abe    No match: (?!b(?!c)) fails
abc    Match: (?!b(?!c)) succeeds

最后一个例子是一个双反：它允许一个b后跟一个c。嵌套的负lookahead变为正lookahead:Thec应该存在。

在每个示例中，只有a匹配。向前看只是一个条件，不会添加到匹配的文本中。

Answer 3

如果您像这样修改正则表达式：

drupal-6.14/(?=sites(?!/all|/default)).*
             ^^

…然后它将匹配所有包含drupal-6.14/后跟sites后跟的输入，而不是/all或/default。例如：

drupal-6.14/sites/foo
drupal-6.14/sites/bar
drupal-6.14/sitesfoo42
drupal-6.14/sitesall

将?=更改为?!以匹配原始regex只会使这些匹配无效：

drupal-6.14/(?!sites(?!/all|/default)).*
             ^^

所以，这仅仅意味着drupal-6.14/现在不能后面跟着sites后面跟着除了/all或/default之外的任何东西。现在，这些输入将满足regex：

drupal-6.14/sites/all
drupal-6.14/sites/default
drupal-6.14/sites/all42

但是，从其他一些答案（也可能是您的问题）中可能不明显的是，您的regex还允许其他输入，其中drupal-6.14/后面还有sites以外的任何内容。例如：

drupal-6.14/foo
drupal-6.14/xsites

结论：因此，您的regex基本上说要包含drupal-6.14的所有子目录，除了sites的那些子目录，它们的名称以all或default以外的任何子目录。