正则表达式可选组被跳过
[英]regex optional group is skipped
问题描述
I'm trying to capture optional group inside required group. 
我正在尝试在所需组中捕获可选组。 This is my regex so far: 到目前为止，这是我的正则表达式：
BEGIN
(?<body>
(?<A>.*?) # in my regex just .*?
(?<B>START.*?STOP)?
(?<C>.*?) # in my regex just .*?
)
END
and for input: 和输入：
junk1 BEGIN junk2 START content STOP junk3 END junk4
I'm getting this: 我得到这个：
match: 'BEGIN junk2 START content STOP junk3 END' # ok
group 'body': ' junk2 START content STOP junk3 ' # ok
group 'A': '' # expected: ' junk2 '
group 'B': not found # expected: 'START content STOP'
group 'C': ' junk2 START content STOP junk3 ' # expected: ' junk3 '
groups A and C putted just for reference purpose A和C组仅供参考
Why group B is not matched even if there is correct data and I get expected result if group B is not optional? 为什么即使没有正确的数据，B组也不匹配，并且如果B组不是可选的，我也会得到预期的结果？
3 个解决方案
解决方案1
1 2013-11-19 10:10:20
Why it doesn't work 为什么它不起作用
You must have some basic understanding of how the regex engine and backtracking works. 您必须对正则表达式引擎和回溯的工作原理有一些基本的了解。 In this case it goes something like this: 在这种情况下，它是这样的：
Group (?<A>.*?) will match the empty string at the first attempt (as that is what the expression means: empty string or more if required). 组(?<A>.*?)将在第一次尝试时匹配空字符串（这就是表达式的含义：如果需要，则为空字符串或更多）。
Then we get to group B right after BEGIN , as there is no START here, the whole inner group will fail, and the optional group will be skipped. 然后我们在BEGIN之后进入B组，因为这里没有START ，整个内部组将失败，并且可选组将被跳过。
Group C will match the empty string. C组将匹配空字符串。 Then we try to match END , which doesn't match. 然后，我们尝试匹配不匹配的END 。 Thus the regex engine will try to backtrack the last quantifier. 因此，正则表达式引擎将尝试回溯最后一个量词。 In this case in group C . 在这种情况下，组C 。 It will do this till a match is found (or try the quantifiers before it, till failing). 它将一直执行到找到匹配项为止（或在尝试之前使用量词，直到失败）。
So we end up with group C expanding till END , and then the whole expression matches. 因此，我们最终将C组扩展到END ，然后整个表达式匹配。
Example solution 解决方案示例
A simple solution could be made if START / STOP are not allowed inside the except for in the optional group you could use an expression like: 如果除了可选组中的不允许使用START / STOP之外，则可以做出一个简单的解决方案，您可以使用以下表达式：
BEGIN
(?<body>
(?<A>
(?: (?!START|STOP) . )*? # do not match START nor STOP
)
(?<B>START.*?STOP)?
(?<C>
(?: (?!START|STOP) . )*? # do not match START nor STOP
)
)
END
解决方案2
0 2013-11-19 10:12:36
In c#, pattern matching is driven by the regular expression pattern (more here ), not the input text. 在c＃中，模式匹配是由正则表达式模式（ 此处更多信息 ）而非输入文本驱动的。 So, what happens is group A is not required to match anything, so decission delayed, group B is not required to match anything, so decission delayed, group C is not required to match anything but end of regular expression is reached. 因此，发生的情况是，组A不需要匹配任何内容，因此决策延迟，B组不需要匹配任何事物，因此决策延迟，C组不需要匹配任何事物，但是达到了正则表达式的结尾。 Group C is matched agains the input string, and gets assigned all what you expect to be in group B. And if you use a right to left pattern matching, all the content will be to group A. C组再次匹配输入字符串，并被分配了您期望在B组中使用的所有内容。如果使用从右到左模式匹配，则所有内容将在A组中。
解决方案3
0 2013-11-19 10:25:25
Constructs earlier in the pattern are prioritized over those later in the pattern, and the lazy quantifier ( *? ) prioritizes shorter matches. 模式前面的构造优先于模式后面的构造，而惰性量词（ *? ）优先考虑较短的匹配。 So the best match will always be to not match anything the A group, and since START can't match at the first position, it will be skipped. 因此，最佳匹配将始终是不匹配任何A组，并且由于START无法在第一个位置匹配，因此将被跳过。 Finally the C group will eat the rest of the string, since the END is not optional. 最后， C组将吃掉其余的字符串，因为END不是可选的。
Use this instead: 使用此代替：
BEGIN
(?<body>
(?<A>.*?)
(?:
(?<B>START.*?STOP)
(?<C>.*?)
)?
)
END
It will force the A group to eat as much as it can, up until the first match of B if it exists. 它将迫使A组吃得尽可能多，直到B的第一个匹配（如果存在）。
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.