英文:
Regex of a non-greedy match different behavior
问题
我发现非贪婪正则表达式只有在锚定到开头时才变得非贪婪，而不是锚定到结尾：
$ echo abcabcabc | perl -ne 'print $1 if /^(a.*c)/'
abcabcabc
# OK，贪婪匹配
$ echo abcabcabc | perl -ne 'print $1 if /^(a.*?c)/'
abc
# 是的！非贪婪匹配
现在看看当锚定到结尾时：
$ echo abcabcabc | perl -ne 'print $1 if /(a.*c)$/'
abcabcabc
# OK，贪婪匹配
$ echo abcabcabc | perl -ne 'print $1 if /(a.*?c)$/'
abcabcabc
# 什么，非贪婪变成贪婪了吗？
为什么会这样？为什么它不像之前那样打印abc？
（这个问题是在我的 Go 代码中发现的，但为了简单起见在 Perl 中进行了说明）。
英文:
I found that non-greedy regex match only become non-greedy when anchoring to the front, not to the end:
$ echo abcabcabc | perl -ne 'print $1 if /^(a.*c)/'
abcabcabc
# OK, greedy match
$ echo abcabcabc | perl -ne 'print $1 if /^(a.*?c)/'
abc
# YES! non-greedy match
Now look at this, when anchoring to the end:
$ echo abcabcabc | perl -ne 'print $1 if /(a.*c)$/'
abcabcabc
# OK, greedy match
$ echo abcabcabc | perl -ne 'print $1 if /(a.*?c)$/'
abcabcabc
# what, non-greedy become greedy?
why is that? how come it doesn't print abc as before?
(The problem was found in my Go code, but illustrated in Perl for simplicity).
答案1
得分: 7
> $ echo abcabcabc | perl -ne 'print $1 if /(a.*?c)$/'
> abcabcabc
> # 什么，非贪婪变成贪婪了？
非贪婪意味着它会尽可能匹配当前位置下最少的字符，以使整个模式匹配成功。
在位置0匹配到a后，bcabcab是在位置1时.*?可以匹配的最少字符，同时仍满足剩余的模式。
"abcabcabc" = /a.*?c$/ 的详细匹配过程如下：
- 在位置0，
a匹配1个字符（a）。- 在位置1，
.*?匹配0个字符（空字符串）。- 在位置1，
c无法匹配。回溯！
- 在位置1，
- 在位置1，
.*?匹配1个字符（b）。- 在位置2，
c匹配1个字符（c）。- 在位置3，
$无法匹配。回溯！
- 在位置3，
- 在位置2，
- 在位置1，
.*?匹配2个字符（bc）。- 在位置1，
c无法匹配。回溯！
- 在位置1，
- ...
- 在位置1，
.*?匹配7个字符（bcabcab）。- 在位置8，
c匹配1个字符（c）。- 在位置9，
$匹配0个字符（空字符串）。匹配成功！
- 在位置9，
- 在位置8，
- 在位置1，
"abcabcabc" = /a.*c$/ 的详细匹配过程（作为对比）如下：
- 在位置0，
a匹配1个字符（a）。- 在位置1，
.*匹配8个字符（abcabcabc）。- 在位置9，
c无法匹配。回溯！
- 在位置9，
- 在位置1，
.*匹配7个字符（abcabcab）。- 在位置8，
c匹配1个字符（c）。- 在位置9，
$匹配0个字符（空字符串）。匹配成功！
- 在位置9，
- 在位置8，
- 在位置1，
提示：避免在模式中使用两个非贪婪修饰符。除非你将它们用作优化，否则很有可能会匹配到你不想匹配的内容。这在这里是相关的，因为模式隐式地以\G(?s:.*?)\K开头（除非被^、\A或\G取消）。
你想要的是以下之一：
/a[^a]*c$/
/a[^c]*c$/
/a[^ac]*c$/
你也可以使用以下之一：
/a(?:(?!a).)c$/s
/a(?:(?!c).)c$/s
/a(?:(?!a|c).)c$/s
在这种情况下，使用后三种模式会效率低下且难以阅读，但它们适用于边界长度超过一个字符的情况。
英文:
> $ echo abcabcabc | perl -ne 'print $1 if /(a.*?c)$/'
> abcabcabc
> # what, non-greedy become greedy?
Non-greedy means it'll match the fewest characters possible at the current location such that the entire pattern matches.
After matching a at position 0, bcabcab is the least .*? can match at position 1 while still satisfying the rest of the pattern.
"abcabcabc" = /a.*?c$/ in detail:
- At pos 0,
amatches 1 char (a).- At pos 1,
.*?matches 0 chars (empty string).- At pos 1,
cfails to match. Backtrack!
- At pos 1,
- At pos 1,
.*?matches 1 char (b).- At pos 2,
cmatches 1 char (c).- At pos 3,
$fails to match. Backtrack!
- At pos 3,
- At pos 2,
- At pos 1,
.*?matches 2 chars (bc).- At pos 1,
cfails to match. Backtrack!
- At pos 1,
- ...
- At pos 1,
.*?matches 7 chars (bcabcab).- At pos 8,
cmatches 1 char (c).- At pos 9,
$matches 0 chars (empty string). Match successful!
- At pos 9,
- At pos 8,
- At pos 1,
"abcabcabc" = /a.*c$/ in detail (for contrast):
- At pos 0,
amatches 1 char (a).- At pos 1,
.*matches 8 chars (abcabcabc).- At pos 9,
cfails to match. Backtrack!
- At pos 9,
- At pos 1,
.*matches 7 chars (abcabcab).- At pos 8,
cmatches 1 char (c).- At pos 9,
$matches 0 chars (empty string). Match successful!
- At pos 9,
- At pos 8,
- At pos 1,
Tip: Avoid patterns with two instances of a non-greediness modifier. Unless you are using them as an optimization, there's a good chance they can match something you don't want them to match. This is relevant here because patterns implicitly start with \G(?s:.*?)\K (unless cancelled out by a leading ^, \A or \G).
What you want is one of the following:
/a[^a]*c$/
/a[^c]*c$/
/a[^ac]*c$/
You could also use one of the following:
/a(?:(?!a).)c$/s
/a(?:(?!c).)c$/s
/a(?:(?!a|c).)c$/s
It would be inefficient and unreadable to use these latter three in this situation, but they will work with boundaries that are longer than one character.
通过集体智慧和协作来改善编程学习和解决问题的方式。致力于成为全球开发者共同参与的知识库，让每个人都能够通过互相帮助和分享经验来进步。
评论