如果正则表达式具有嵌套组，我如何使用正则表达式匹配字符串？

Question

有一些字符串：

111/aaa
111/aaa|222/bbb

他们是表达形式：

(.*)/(.*)(|(.*)/(.*))?

我试图用它来匹配一个字符串并提取值：

var rrr = """(.*)/(.*)(|(.*)/(.*))?""".r

"123/aaa|444/bbb" match {
    case rrr(pid,pname, cid,cname) => println(s"$pid, $pname, $cid, $cname")
    case _ => println("not matched ?!")
}

但它打印：

not matched ?!

我想得到：

123, aaa, 444, bbb

怎么解决？

---

UPDATE

感谢@BartKiers和@ Barmar的anser，我发现我的正则表达式有几个错误，最后找到了这个解决方案：

var rrr = """(.*?)/(.*?)([|](.*?)/(.*?))?""".r

"123/aaa|444/bbb" match {
    case rrr(pid,pname, _, cid,cname) => println(s"$pid, $pname, $cid, $cname")
    case _ => println("not matched ?!")
}

它有效，但你可以看到有一个_实际上没用。 有没有办法重新定义正则表达式，我可以写rrr(pid,pname,cid,cname)来匹配它？

Answer 1

.*可能导致很多回溯因为.*首先匹配完整的字符串，然后一个接一个地返回，直到它匹配第一个/ 。

此外，它不会像您期望的那样正确捕获组中的值。

你应该使用.*?

你的正则表达式应该是

^(.*?)/(.*?)(?:\|(.*?)/(.*?))?$

小字符串不会有任何性能差异，但它会捕获正确组中的值

注意?:在正则表达式中，它意味着不捕获组(?:\\|(.*?)/(.*?))? 。 因此，仅作为结果将是4个子组。

Answer 2

试着逃避| ，这是正则表达式中的逻辑OR：

var rrr = """(.*)/(.*)(\|(.*)/(.*))?""".r