正则表达式可选组被跳过
[英]regex optional group is skipped
问题描述
我正在尝试在所需组中捕获可选组。 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
和输入：
junk1 BEGIN junk2 START content STOP junk3 END junk4
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 '
A和C组仅供参考
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
为什么它不起作用
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。 在这种情况下，它是这样的：
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）。
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。
C组将匹配空字符串。 然后，我们尝试匹配不匹配的END 。 因此，正则表达式引擎将尝试回溯最后一个量词。 在这种情况下，组C 。 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）。
因此，我们最终将C组扩展到END ，然后整个表达式匹配。
解决方案示例
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
解决方案3
0 2013-11-19 10:25:25
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。 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。 最后， C组将吃掉其余的字符串，因为END不是可选的。
使用此代替：
BEGIN
(?<body>
(?<A>.*?)
(?:
(?<B>START.*?STOP)
(?<C>.*?)
)?
)
END
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）。
正则表达式用于可选组
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.