Question

我的目标是找到文本中某些模式的所有匹配项。让我们说我的模式是：

h.*o

这意味着我正在搜索以'h'开头的任何文字，以'o'结尾并且中间有任意数量的字符（也为零）。

我的理解是方法Matches()会根据描述提供多个匹配（请参阅MSDN）。

const string input = "hello hllo helo";
Regex regex = new Regex("h.*o");

var result = regex.Matches(input);
foreach (Match match in result)
{
    Console.WriteLine(match.Value);
}

我的期望是：

1. "hello"
2. "hllo"
3. "helo"
4. "hello hllo"
5. "hello hllo helo"

令我惊讶的是，返回的匹配只包含一个字符串 - 整个输入字符串。

"hello hllo helo"

问题：

哪一个错了：我的期望，我的正则表达还是课堂用法？
如何实现我的示例中显示的结果？

提前致谢。

Answer 1

* 贪婪 - 它会尝试匹配尽可能多的字符。您可以通过问号跟随它来使其不情愿，但更好的解决方案是，如果o匹配的字符匹配，则从列表中排除.，如下所示：

h[^o]*o

这是一个link对贪婪与不情愿的非常好的解释。

Answer 2

除*贪婪之外，Matches方法只发现非重叠匹配;也就是说，它会从最后一场比赛停止的位置开始查找每个后续比赛。来自MSDN Library：

通常情况下，正则表达式引擎会开始搜索下一个匹配的确切位置。

因此，即使您使用*?或h[^o]*o代替*，它仍然只会找到“hello”，“hllo”和“helo”。

我不知道Regex是否有内置方法可以有效地找到所有匹配指定模式的可能子串，但是你可以自己遍历所有可能的子串并检查每一个是否匹配：

const string input = "hello hllo helo";
Regex regex = new Regex("^h.*o$");

for (int startIndex = 0; startIndex < input.Length - 1; startIndex++)
{
    for (int endIndex = startIndex + 1; endIndex <= input.Length; endIndex++)
    {
        string substring = input.Substring(startIndex, endIndex - startIndex);
        if (regex.IsMatch(substring))
            Console.WriteLine(substring);
    }
}

输出：

hello
hello hllo
hello hllo helo
hllo
hllo helo
helo

请注意，我已将^和$添加到正则表达式，以确保它与整个substring匹配，而不仅仅是substring的子字符串。

当找到包含*（）的模式的多个匹配项时，.NET Regex.Matches的行为不符合预期

2 个答案: