Regex 懒惰量词在PCRE中究竟是如何工作的？

一点背景知识：我正在实现一个正则表达式匹配引擎（NFA），它应该支持PCRE兼容模式（我的意思是它应该捕获具有与PCRE相同偏移量的子表达式）

PCRE的testinput1中有一个测试，我不能完全理解。它测试惰性量词

所以，正则表达式是

/<a[\s]+href[\s]*=[\s]*          # find <a href=
 ([\"\'])?                       # find single or double quote
 (?(1) (.*?)\1 | ([^\s]+))       # if quote found, match up to next matching
                                 # quote, otherwise match up to next space
/isx

---

因此，关于PCRE回溯特定行为的建议很可能是错误的…

首先，我只是REGEX领域的初学者。因此，如果这个答案是错误的，或者如果我误解了这个问题，我很抱歉

阅读本书中的定义：

（？（1）then | else）是检查第一个捕获组 已经匹配了一些东西。如果有，正则表达式引擎将尝试匹配 那么。如果到目前为止捕获组还没有参加比赛， 尝试其他部分

---

• 关于这个主题：

  我不完全理解您的问题，但是非贪婪量词允许搜索到模式的第一个出现。使用pcretest，您可以在相同的输入上尝试贪婪和非贪婪表单
  
  非贪婪形式：
  
    re> /<a[\s]+href[\s]*=[\s]*([\"\'])?(?(1)(.*?)\1|([^\s]+))/i
    data> <a href="ab"cd"
      0: <a href="ab"
      1: "
      2: ab
  
   re> /<a[\s]+href[\s]*=[\s]*([\"\'])?(?(1)(.*)\1|([^\s]+))/i
   data> <a href="ab"cd"
      0: <a href="ab"cd"
      1: "
      2: ab"cd
  
  re>/我曾经犯过一个错误，就是看了看它是如何完成的。吓人的！就我所见，完整的PCRE需要堆栈评估模型，而不是自动机理论模型。使用基于自动机的方法最接近的可能是PostgreSQL和Tcl中使用的重新引擎，但这真的很复杂。感谢您的快速响应。但这似乎不是一种回溯特定行为（见编辑），可以使用自动机实现（尽管我知道TRE未能通过AT&T测试数据存储库中的POSIX合规性测试，因此，这种行为可能是一种“错误”）。
  <a href="abcd
  
  #include <stdlib.h>
  #include <stdio.h>
  #include <tre/tre.h>
  
  int main()
  {
      regex_t preg;
      const char * regex = "<a[ ]+href[ ]*=[ ]*(?:(')(.*?)'|[^ ]+)";
      const char * string = "<a href='abcd xyz pqr' cats";
      int cflags = REG_EXTENDED;
      int eflags = 0;
      size_t nmatch = 3;
      regmatch_t pmatch[100];
  
      tre_regcomp(&preg, regex, cflags);
      tre_regexec(&preg, string, nmatch, pmatch, eflags);
  
      for (int i = 0; i < nmatch; i++) {
          printf("%d: (%d, %d)\n", i, pmatch[i].rm_so, pmatch[i].rm_eo - pmatch[i].rm_so);
      }
  
      return 0;
  }
  
  0: (0, 22)
  1: (8, 1)
  2: (9, 12)
  
    re> /<a[\s]+href[\s]*=[\s]*([\"\'])?(?(1)(.*?)\1|([^\s]+))/i
    data> <a href="ab"cd"
      0: <a href="ab"
      1: "
      2: ab
  
   re> /<a[\s]+href[\s]*=[\s]*([\"\'])?(?(1)(.*)\1|([^\s]+))/i
   data> <a href="ab"cd"
      0: <a href="ab"cd"
      1: "
      2: ab"cd