Question

我正在阅读this question，了解如何解析网页中的网址，并对提供此解决方案的accepted answer提出疑问：

((mailto\:|(news|(ht|f)tp(s?))\://){1}\S+)

该解决方案由csmba提供，并将其归功于regexlib.com。呼。已完成学分。

我认为这是一个相当天真的正则表达式，但它是建立更好的东西的良好起点。但是，我的问题是：

{1}有什么意义？它意味着“恰好是之前的分组之一”，对吧？这不是正则表达式中分组的默认行为吗？如果{1}被移除，表达式会以任何方式改变吗？

如果我从同事那里看到这个，我会指出他或她的错误，但是当我写这篇文章时，回复的评分为6，regexlib.com上的表达被评为4分中的4分。所以也许我错过了什么？

Answer 1

@ Rob：我不同意。为了强制执行你的要求我认为你需要使用负面观察，这是可能的，但肯定与使用{1}无关。这两个版本的regexp都没有解决这个特定问题。

让代码说话：

tibook 0 /home/jj33/swap > cat text
Text this is http://example.com text this is
Text this is http://http://example.com text this is
tibook 0 /home/jj33/swap > cat p
#!/usr/bin/perl

my $re1 = '((mailto\:|(news|(ht|f)tp(s?))\://){1}\S+)';
my $re2 = '((mailto\:|(news|(ht|f)tp(s?))\://)\S+)';

while (<>) {
  print "Evaluating: $_";
  print "re1 saw \$1 = $1\n" if (/$re1/);
  print "re2 saw \$1 = $1\n" if (/$re2/);
}
tibook 0 /home/jj33/swap > cat text | perl p
Evaluating: Text this is http://example.com text this is
re1 saw $1 = http://example.com
re2 saw $1 = http://example.com
Evaluating: Text this is http://http://example.com text this is
re1 saw $1 = http://http://example.com
re2 saw $1 = http://http://example.com
tibook 0 /home/jj33/swap >

所以，如果两个版本之间存在差异，那么它似乎不是您建议的版本。

Answer 2

我认为{1}在该正则表达式中没有任何有效的功能。

（适用**的mailto：|？（新闻|（HT | F）TP（S））：// ）{1} **

你应该把它读作：“准确地捕捉一些parens中的东西”。但是我们并不关心如何在以后使用它，例如替换中的1美元。所以这毫无意义。

Answer 3

我认为它没有任何意义。但由于RegEx几乎不可能理解/分解，人们很少指出错误。这可能是没有人指出的原因。

Answer 4

@Jeff Atwood，你的解释有点偏离 - {1}意味着只匹配一次，但对“捕获”没有影响 - 由于parens而发生捕获 - 括号只指定次数模式必须与来源匹配 - 一如你所说。

我同意@Marius，即使他的答案有点简洁，也可能因为轻率而脱落。正则表达式很难，如果不习惯使用它们，并且问题中的{1}不是错误 - 在支持它的系统中，它确实意味着“完全匹配”。从这个意义上说，它并没有真正做任何事情。

不幸的是，与现在删除的帖子相反，它不会使正则表达式与http://http://example.org匹配，因为末尾的\ S +将匹配一个或多个非空白字符，包括{{1在http://example.org中（使用Python 2.5验证，以防我的正则表达式读取关闭）。因此，给出的正则表达式并不是最好的。我不是一个URL专家，但可能是限制“：”和“//”在第一个之后出现的东西（但几乎不足以）以确保良好的URL。

此正则表达式中{1}的目的是匹配url协议

4 个答案: