在Regex中首次出现匹配

Question

我有以下文字：

“猫狗老鼠狮子”

我使用正则表达式搜索“狗”或“鼠标”：

Regex regex = new Regex(@"dog|mouse");

C＃中Regex的行为方式是它首先搜索单词dog。 如果找到匹配，则停止。 如何在正则表达式中找到我的任何单词的第一次出现后停止，这意味着在“cat”之后停止，因为这首先出现？

我是否必须进行多次正则表达式搜索并匹配结果的索引？ 或者是否可以在正则表达式中指定它？

Answer 1

不，你错了。

Regex regex = new Regex(@"dog|mouse");

和

Regex regex = new Regex(@"mouse|dog");

两者都会找到“狗”这个词，即使在第二种情况下，“鼠标”这个词在交替中也是第一个。

匹配行为与您描述的不同。 正则表达式将检查第一个字符，如果它可以匹配第一个替代，如果这不匹配， 它将不会继续第二个字符，它将尝试第二个替代。

但是，交替的顺序在另一方面很重要 。 你会遇到问题，当你有相同的开始的替代品，你从短到长订购，例如

Regex regex = new Regex(@"Foo|Foobar");

这将永远不会匹配“Foobar”这个词，因为即使文本中有Foobar，它也会匹配第一个替代“Foo”。

为了避免这些问题，请从长到短订购

Regex regex = new Regex(@"Foobar|Foo");

这将尝试匹配“Foo”上的“Foobar”，当它识别时，没有“b”跟随，它尝试第二种选择并成功匹配“Foo”。

Answer 2

一种方法是使用带有dotall选项的惰性量词：

Regex regex = new Regex(@"^.*?\b(?>dog|mouse)\b");

另一种方法是这样做;

Regex regex = new Regex(@"^(?>[^dm]*+|d++(?!og\b)|m++(?!ouse\b))*\b(?>dog|mouse)\b");

它更长但更有效率。 这个想法是避免懒惰的量词，因为它测试每个字符以查看后面的内容。 在这里，我将开头描述为“所有不是d或m或者某些d后面没有og或者一些m没有跟随ouse零次或多次。

(?>..)是一个原子组，这是为了避免正则表达式引擎回溯，它是一种“全有或全无”，更多信息在这里

++是一种占有量词 ，可以避免回溯。