Boost regex忽略“；“最短匹配”；

以下是Python3会话的逐字副本：

~/Documents $ python3
Python 3.5.1 (v3.5.1:37a07cee5969, Dec  5 2015, 21:12:44) 
[GCC 4.2.1 (Apple Inc. build 5666) (dot 3)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import re
>>> text = 'This (is) a (test)'
>>> print(text)
This (is) a (test)
>>> re.findall('h', text)
['h']
>>> re.findall('\(.+?\)', text)
['(is)', '(test)']
>>> re.findall('\(.+?\)$', text)
['(is) a (test)']
>>> 

我希望最终的

findall

只返回

（test）

，因为它是字符串末尾

\（.+？\）

的最短匹配。相反，它返回

（is）一个（test）

。对于较长的测试字符串，它也会执行相同的操作：

>>> text = 'This (is) (possibly) a (test)'
>>> re.findall('\(.+?\)', text)
['(is)', '(possibly)', '(test)']
>>> re.findall('\(.+?\)$', text)
['(is) (possibly) a (test)']

它与第一次出现的

（

on）匹配的原因是什么

请注意，我不是在寻找替代的正则表达式。这个问题是关于具体行为的，因为它似乎是错误的

---

我使用Python只是为了验证；这是Adobe InDesign论坛中的提示，InDesign也使用Boost：

AdobeInDesign提供了同类最佳的页面设计：Indesign及其相关SDK依赖于Boost.Regex、Boost.Functional和其他工具。
（（原文如此）

从（on）的第一次出现起，它的匹配原因是什么

因为解析器状态机从左边开始。它就是这样工作的。如果有一个匹配从第一个字符开始，为什么要拒绝它

这应该给你一个线索。你可能想要求中间不要出现括号：

[^（]

而不是

Python 2.7.10 (default, Oct 14 2015, 16:09:02) 
[GCC 5.2.1 20151010] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> text = 'This (is) (possibly) a (test)'
>>> import re
>>> re.findall('\(.+?\)$', text)
['(is) (possibly) a (test)']
>>> re.findall('\([^(]+?\)$', text)
['(test)']
>>> 

从（on）的第一次出现起，它的匹配原因是什么

因为解析器状态机从左边开始。它就是这样工作的。如果有一个匹配从第一个字符开始，为什么要拒绝它

这应该给你一个线索。你可能想要求中间不要出现括号：

[^（]

而不是

Python 2.7.10 (default, Oct 14 2015, 16:09:02) 
[GCC 5.2.1 20151010] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> text = 'This (is) (possibly) a (test)'
>>> import re
>>> re.findall('\(.+?\)$', text)
['(is) (possibly) a (test)']
>>> re.findall('\([^(]+?\)$', text)
['(test)']
>>> 

---

规则“如果有从第一个字符开始的匹配，为什么要拒绝它…”使用普通的

\（.++\

）应该只匹配第一个

（is）

。当然，还有更多的规则，这一个-贪婪规则是“继续搜索最长的匹配”。因此，完全等效的情况下，人们可能期望“最短匹配”匹配最短的字符串。它是最短的匹配！所有其他较短的匹配都会被拒绝，因为您自己要求它必须在字符串结尾（

$

）处结束。（我想我不需要指出这一点，因为这是与您刚才展示的示例的唯一区别）。因此，它给出了第一个可能的匹配，并且结果是满足标准的最短的一个……我们讨论的是相同的测试结果吗？当然，您不能不同意字符串

（测试）$

比当前的

要短得多，这是一个（测试）$

–为了清晰起见，包含了

$

。“因为解析器状态机从左边开始”将在

这个
–但是它足够聪明，可以跳过它。而且，进一步检查超出绝对要求的最小值也不是问题（如默认贪婪检查规则所示）。跳过“This”不够聪明。它跳过该选项是因为您的模式以一个必需的
（
）开头。因此，在开始匹配之前，它已经超过
This
，并且在到达
$
（输入结束）之前不会停止，因为这也在你的模式中。好吧，我想我明白了-线索在“.它给出了第一个可能的匹配，结果是满足条件的最短的匹配”。正则表达式从左到右求值，当它匹配
+
时，它使用“向前看”来检查结束标准，即
\）$
在这里，不仅仅是
\）
。它被认为是最短的匹配，因为它实际上是唯一的匹配（它等于贪婪版本的匹配）。规则“如果有从第一个字符开始的匹配，为什么要拒绝它…”使用普通的
\（.+\）
，应该匹配第一个
（is）
仅此而已。当然还有更多的规则，而这一条——贪婪规则是“继续搜索最长匹配”。因此，完全等效的情况下，人们可能期望“最短匹配”匹配最短的字符串。它是最短的匹配！所有其他较短的匹配都会被拒绝，因为您自己要求它必须在字符串结尾（
$
）处结束。（我想我不需要指出这一点，因为这是与您刚才展示的示例的唯一区别）。因此，它给出了第一个可能的匹配，并且结果是满足标准的最短的一个……我们讨论的是相同的测试结果吗？当然，您不能不同意字符串
（测试）$
比当前的
要短得多，这是一个（测试）$
–为了清晰起见，包含了
$
。“因为解析器状态机从左边开始”将在
这个
–但是它足够聪明，可以跳过它。而且，进一步检查超出绝对要求的最小值也不是问题（如默认贪婪检查规则所示）。跳过“This”不够聪明。它跳过该选项是因为您的模式以一个必需的
（
）开头。因此，在开始匹配之前，它已经超过
This
，并且在到达
$
（输入结束）之前不会停止，因为这也在你的模式中。好吧，我想我明白了-线索在“.它给出了第一个可能的匹配，结果是满足条件的最短的匹配”。正则表达式从左到右求值，当它匹配
+
时，它使用“向前看”来检查结束标准，即
\）$
这里，不仅仅是
\）
。它被认为是最短的匹配，因为它实际上是唯一的匹配（它等于贪婪版本的匹配）。