Regex 正则表达式行为懒惰，应该是贪婪的

我认为默认情况下，我的Regex会表现出我想要的贪婪行为，但它不在以下代码中：

 Regex keywords = new Regex(@"in|int|into|internal|interface");
 var targets = keywords.ToString().Split('|');
 foreach (string t in targets)
    {
    Match match = keywords.Match(t);
    Console.WriteLine("Matched {0,-9} with {1}", t, match.Value);
    }

输出：

Matched in        with in
Matched int       with in
Matched into      with in
Matched internal  with in
Matched interface with in

现在我意识到，如果我简单地按长度降序对关键字进行排序，我就可以在这个小示例中使用它，但是

• 我想知道为什么会这样 没有按预期工作，并且
• 我正在从事的实际项目 在正则表达式和 重要的是要把他们留在家里 按字母顺序排列

---

所以我的问题是：为什么这是懒惰，我如何解决它？

懒惰和贪婪只适用于量词（

？

，

*

，

+

，

{min，max}

）。替换总是按顺序匹配，并尝试第一个可能的匹配。

根据，正则表达式是。因此，当它通过你的，它停止在第一个坚实的比赛

---

我的建议是将所有关键字存储在数组或列表中，然后在需要时生成经过排序的管道表达式。只要你的关键字列表没有改变，你就只需要做一次。只需将生成的表达式存储在某种类型的单例中，并在正则表达式执行时返回该表达式。

看起来您正在尝试用词来破坏东西。要做到这一点，需要整个表达式是正确的，而当前表达式不是。试试这个

new Regex(@"\b(in|int|into|internal|interface)\b");

---

“\b”表示匹配单词边界，是零宽度匹配。这是依赖于区域设置的行为，但通常这意味着空格和标点符号。作为零宽度匹配，它将不包含导致正则表达式引擎检测单词边界的字符。

除了重新排序之外，没有其他选项？嗯…我想我可以在飞行中重新排序，这样我就可以按照字母顺序来定义…@Stomp:可以。在程序中保持列表按字母顺序排列，在实际应用之前，可以按长度排序。@Jeras-谢谢链接！我在MSDN上搜索，肯定错过了它急切地寻找第一个匹配项。我不确定您的实际使用是否更复杂，但如果上面的示例是您正在做的，我认为您最好使用IndexOf方法在您的单词列表上循环查找匹配项。如果正则表达式只是在一个替换中包含一堆单词，那么性能可能会很差。@Josh-No，这个例子被简化了。实际的应用程序正在读取语言文件以生成词法分析器和语法分析器。我只是对我的正则表达式有点生疏；我的问题现在看来很明显@Josh:Regex引擎可以对这种情况进行很多优化，包括在未能匹配公共前缀后放弃许多检查。例如，如果第一个字符不是“i”，则不会检查以“i”开头的分支。不确定.NET引擎是否会这样做，但如果它没有这样做，我会感到惊讶。@Max，它确实会构建状态转换以加快匹配速度。从我收集的资料来看，如果.Net与其他久负盛名、精益求精的regex引擎相比，是否表现出色，这是一个有争议的问题。但它确实比IndexOf表现更好。（我已经在工作中运行了这两个循环来证明为什么同事应该使用regex而不是IndexOf…根据匹配的内容，您可以获得大幅度的速度提升。）添加

\b

将获得所需的行为，但您对其工作方式的理解是错误的

\b

是一个零宽度断言，类似于

^

、

$

和lookarounds；它不匹配字符，而是匹配字符前后的假想间隙。如果第一个或最后一个字符（分别）是单词字符，字符串的开头或结尾将自动成为单词边界，因此您的第二个正则表达式只是第一个正则表达式的更详细版本。@Alan，我尝试过执行代码，显然您是对的。我需要再次检查工作中的代码，看看我们在那里做什么。。。也许我们使用的是\W而不是\b。我知道我们在类似的情况下得到了某种“非文字”角色，我知道我们有一些时髦的午间抓拍组。至于它是区域敏感的，这将是一种情况，因为单词边界将根据标点符号的作用进行不同的定义。@Alan，我修改了我的答案以反映您的反馈。