在Regex中首次出現匹配

Question

我有以下文字：

“貓狗老鼠獅子”

我使用正則表達式搜索“狗”或“鼠標”：

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

C＃中Regex的行為方式是它首先搜索單詞dog。 如果找到匹配，則停止。 如何在正則表達式中找到我的任何單詞的第一次出現后停止，這意味着在“cat”之后停止，因為這首先出現？

我是否必須進行多次正則表達式搜索並匹配結果的索引？ 或者是否可以在正則表達式中指定它？

Answer 1

不，你錯了。

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

和

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

兩者都會找到“狗”這個詞，即使在第二種情況下，“鼠標”這個詞在交替中也是第一個。

匹配行為與您描述的不同。 正則表達式將檢查第一個字符，如果它可以匹配第一個替代，如果這不匹配， 它將不會繼續第二個字符，它將嘗試第二個替代。

但是，交替的順序在另一方面很重要 。 你會遇到問題，當你有相同的開始的替代品，你從短到長訂購，例如

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

這將永遠不會匹配“Foobar”這個詞，因為即使文本中有Foobar，它也會匹配第一個替代“Foo”。

為了避免這些問題，請從長到短訂購

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

這將嘗試匹配“Foo”上的“Foobar”，當它識別時，沒有“b”跟隨，它嘗試第二種選擇並成功匹配“Foo”。

Answer 2

一種方法是使用帶有dotall選項的惰性量詞：

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

另一種方法是這樣做;

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

它更長但更有效率。 這個想法是避免懶惰的量詞，因為它測試每個字符以查看后面的內容。 在這里，我將開頭描述為“所有不是d或m或者某些d后面沒有og或者一些m沒有跟隨ouse零次或多次。

(?>..)是一個原子組，這是為了避免正則表達式引擎回溯，它是一種“全有或全無”，更多信息在這里

++是一種占有量詞 ，可以避免回溯。