Regex 有人能解释这些正则表达式的结果吗

我测试了一些随机的正则表达式，发现了一些奇怪的结果。假设我们有正则表达式

（ab |（ba）*| a）*

它与

aba

不匹配，但是如果我去掉内星，

（ab |（ba）| a）*

或者如果我切换术语的顺序，

（a | ab |（ba）**

这两种情况现在匹配

aba

。那么为什么会这样呢？这与歧义或嵌套*有关吗？我知道这是一个奇怪的测试用例，内部*是多余的，但我只想了解这些结果。我正在使用regex101.com进行测试。

您的假设是错误的：它与

aba

匹配，请参阅

关键是“正则表达式”更喜欢匹配的内容有所不同。但是，如果强制正则表达式从头到尾匹配，它将完全匹配

aba

更多细节：如果使用析取模式（例如，

r

与

r

和

s

其他正则表达式）：正则表达式“喜欢”在右正则表达式

s

上选择左正则表达式

r

。例如，如果正则表达式表示

（a | aa）*

，而输入为

aa

，则可以两次匹配第一项，或者使用第二项。在这种情况下，正则表达式喜欢选择第一项两次

重复也是如此，正则表达式希望尽可能多地重复Kleene star

r*

中的项。

交替运算符（

）短路，并始终尝试匹配最左边的子模式，直到该子模式失败，此时它将尝试匹配下一个。只能匹配非重叠模式。空字符串匹配会导致当前贪婪模式结束，因为空字符串可以无限匹配，无论贪婪与否，继续这样做都没有意义。贪婪并不一定意味着愚蠢

因此，对于模式

（ab |（ba）*|a）*

，以及字符串

“aba”

，它将从字符串的开头匹配“ab”。由于在最外层的捕获组*上使用贪婪量词，正则表达式将继续尝试与最外层的捕获组进行更长的匹配。匹配迭代器将位于第3个字符处，它将尝试匹配“ab”，但将失败。然后，当意识到它可以无限次地使用空字符串匹配

（ba）*

时，它将结束匹配（不使用

（ba）*

捕获任何内容，也不尝试匹配最后一个可选模式

a

）并返回最外层重复捕获组的最后一次迭代

现在，如果您切换与交替运算符链接的子模式的顺序，如

（ab | a |（ba）*）**

，将匹配整个字符串，因为匹配器能够使用

a

推进匹配迭代器，然后使用第三个可选子模式的最终空字符串匹配完成匹配

（ab |（ba）| a）*

也起作用，因为第二个备选方案无法与空字符串匹配，因此一旦它无法匹配

ba

，它就会成功地继续尝试匹配

a

另一种类似的修复方法是使用

（ab |（ba）+a）*

。这将正确地导致第二个备选方案正确失败，而不是匹配它

最后一种修复方法是在字符串的末尾使用锚点，通常用

$

表示。模式

（ab |（ba）*|a）*$

能够在匹配第二个备选方案时正确失败，因为它意识到这样做永远不会到达字符串的末尾。它最终仍将匹配第二个备选方案，但仅在匹配迭代器遍历到字符串末尾之后

---

这就是为什么从最外层的捕获组只能看到一个带有字符串“aba”的捕获。模式

（ba）*

将始终与索引2-2（或任何空子字符串）匹配，然后结束当前匹配并阻止下一个

a

匹配，但不会捕获任何内容，除非字符串中有一个显式的

'ba'

，且该字符串不与任何先前的可选项重叠。

（a | ab |（ba）*）*

和您发布的

（ab | a |（ba）*）*

与aba匹配，但原始的

（ab |（ba）*（a）*

不匹配，但我不明白为什么会这样。@Shashank为什么删除您的答案？是错误的吗？我的答案中有一些不正确的术语。基本上我是这么说的（ba）*在我的答案中的某些点不匹配，它确实匹配，但它与导致贪婪匹配者停止寻找的空字符串匹配（它是贪婪的，但并不愚蠢）。答案现在是固定的。：）好的，你的答案现在完全有意义了，我接受了它，谢谢：）所以要强制正则表达式从头到尾匹配，您需要添加

^expr$

其中

expr

是您的原始正则表达式？这是否意味着强制正则表达式从头到尾匹配始终是最好的做法？

^

和

$

是强制正则表达式在字符串的开头和结尾匹配。