Question

最近，我发现一个C＃Regex API真的很烦人。

我有正则表达式(([0-9]+)|([a-z]+))+。我想找到所有匹配的字符串。代码如下所示。

string regularExp = "(([0-9]+)|([a-z]+))+";
string str = "abc123xyz456defFOO";

Match match = Regex.Match(str, regularExp, RegexOptions.None);
int matchCount = 0;

while (match.Success)
{
    Console.WriteLine("Match" + (++matchCount));

    Console.WriteLine("Match group count = {0}", match.Groups.Count);
    for (int i = 0; i < match.Groups.Count; i++)
    {
        Group group = match.Groups[i];
        Console.WriteLine("Group" + i + "='" + group.Value + "'");
    }

    match = match.NextMatch();
    Console.WriteLine("go to next match");
    Console.WriteLine();
}

输出结果为：

Match1
Match group count = 4
Group0='abc123xyz456def'
Group1='def'
Group2='456'
Group3='def'
go to next match

似乎所有group.Value都是最后一个匹配的字符串（“def”和“456”）。我花了一些时间来弄清楚我应该依靠group.Captures而不是group.Value。

string regularExp = "(([0-9]+)|([a-z]+))+";
string str = "abc123xyz456def";
//Console.WriteLine(str);

Match match = Regex.Match(str, regularExp, RegexOptions.None);
int matchCount = 0;

while (match.Success)
{
    Console.WriteLine("Match" + (++matchCount));

    Console.WriteLine("Match group count = {0}", match.Groups.Count);
    for (int i = 0; i < match.Groups.Count; i++)
    {
        Group group = match.Groups[i];
        Console.WriteLine("Group" + i + "='" + group.Value + "'");

        CaptureCollection cc = group.Captures;
        for (int j = 0; j < cc.Count; j++)
        {
            Capture c = cc[j];
            System.Console.WriteLine("    Capture" + j + "='" + c + "', Position=" + c.Index);
        }
    }

    match = match.NextMatch();
    Console.WriteLine("go to next match");
    Console.WriteLine();
}

这将输出：

Match1
Match group count = 4
Group0='abc123xyz456def'
    Capture0='abc123xyz456def', Position=0
Group1='def'
    Capture0='abc', Position=0
    Capture1='123', Position=3
    Capture2='xyz', Position=6
    Capture3='456', Position=9
    Capture4='def', Position=12
Group2='456'
    Capture0='123', Position=3
    Capture1='456', Position=9
Group3='def'
    Capture0='abc', Position=0
    Capture1='xyz', Position=6
    Capture2='def', Position=12
go to next match

现在，我想知道为什么API设计是这样的。为什么Group.Value只返回最后一个匹配的字符串？这种设计看起来不太好。

Answer 1

主要原因是历史：正则表达式一直以这种方式工作，回到Perl及以后。但它的设计并不是很糟糕。通常情况下，如果你想要这样的每一场比赛，你只需要离开最外面的量词（在这种情况下为+）并使用Matches()方法而不是Match()。每个启用正则表达式的语言都提供了一种方法：在Perl或JavaScript中，您可以在/g模式下进行匹配;在Ruby中，您使用scan方法;在Java中，您反复调用find()，直到它返回false。同样，如果您正在执行替换操作，则可以在使用占位符（$1，$2或\1，\2时依次插入捕获的子字符串，具体取决于关于语言）。

另一方面，我知道没有其他Perl 5派生的正则表达式风格能够检索中间捕获组匹配，如.NET与CaptureCollections。而且我并不感到惊讶：实际上很少你真的需要一次性捕捉所有的比赛。并考虑所有存储和/或处理能力，以跟踪所有这些中间匹配。这是一个很好的功能。

为什么Group.Value总是最后匹配的组字符串？

1 个答案: