正则表达式模式混淆 c#

Question

我正在尝试编写一个基本的 function ，它接受输入文本，为此输入创建正则表达式并将所有 output 作为集合返回。
我写了这个：

string pattern =  @"(\wh*al*re)";  // take this pattern from outside 
Regex rg = new Regex(pattern, RegexOptions.IgnoreCase);
MatchCollection matchedAuthors = rg.Matches(authors);
for (int count = 0; count < matchedAuthors.Count; count++)
{
    Console.WriteLine(count);
    Console.WriteLine(matchedAuthors[count].Value);
}

我的文字->“asdad Healthcare basdasd”
但是如果我给定了模式 h al re 我的正则表达式模式看起来像这样 --> (\wh al re)
和 output 是 --> “是”

预期行为

Input: h*al*re Output: healthcare

我的正则表达式有什么问题？

解决方案是

(\bh\w*al\w*re)

感谢@anubhava

Answer 1

我的正则表达式有什么问题？

正则表达式不像 DOS 文件名通配符

在 DOS 中， h*al*re真的会匹配“healthcare”，因为*在 DOS 中表示“任何字符的零个或多个”

在正则表达式中，含义略有不同； 它的意思是“星号左边的零个或多个”

• h* - 表示一行中的零个或多个 h 字符
• l* - 表示一行中的零个或多个 l 个字符

这意味着h*al*re将匹配诸如“hhhhhhhhhallllllllre”或“hhalllllllllllllllllllllllllllllllre”或（如您所见）“are”，它是零“h”，然后是“a”，然后是零“l”，然后是“re " - 它完全符合要求零个或多个 "h" 的模式

您需要做的是将*与另一个 Regex 构造（例如. 这意味着“任何单个字符”。

当你放.*时，它的意思是“匹配零个或多个：任何单个字符”

因此，匹配“healthcare”的正则表达式是h.*al.*re

请注意，它也将匹配 heealthcare、hzzzzzzalzzzzzzre 等。

---

接下来你要应对的是贪婪与悲观匹配的概念

.*是贪婪的； 它试图尽可能地匹配。 这意味着它会消耗整个输入，然后一次将其吐出一个字符以尝试使匹配成功

如果您有一句话“医疗保健中最大的问题是医疗保健提供者无处不在”并且您在其上运行您的正则表达式，那么您的h h.*a.*re最终匹配“医疗保健中最大的问题是医疗保健提供者是无处不在“ _

粗体位是正则表达式中的固定字符（“h”、“a”和“re”），斜体位是.*匹配的内容 - 这是您尝试匹配时得到的内容尽可能

您可能想要悲观匹配，其中匹配项尝试尽可能少地匹配而不是尽可能多地匹配，为此您需要另一个修饰符来更改 * 的行为，这是通过放置 a? 之后 *

.*? 将修改 * 以便它不会消耗整个输入然后向后工作，而是向前工作以寻找匹配项，因此h.*?a.*?re仅匹配“healthcare”，但它也匹配“hare”..

为此，您可能要考虑完全不使用*而是使用更具体的东西，例如：

h.+?al.+?re    //+ means "one or more of the thing to the left"
h.{2}al.{4}re    //{n} means exactly n of the thing to the left

---

但主要带走； 如果您正在学习正则表达式，请放弃您对 DOS 等通配符的了解