Question

为什么“。*”和“。+”给出不同的结果？

System.out.println("foo".replaceAll(".+", "bar")); // --> "bar"
System.out.println("foo".replaceAll(".*", "bar")); //--> "barbar"

我希望两者都有“bar”，因为*和+都是贪婪的，应该匹配整个String。（上面的例子是Java，但其他工具，如http://www.gskinner.com/RegExr/给我的结果相同）

Answer 1

你是贪婪的，但".*"匹配两个字符串是正确的：第一个是"foo"，第二个是""。 ".+"只会与"foo"匹配。

两者都尝试匹配最长的字符串"foo"。之后，他们尝试找到上一场比赛后最长的匹配字符串。在此阶段，".*"能够匹配空字符串，而".+"则不会。

Answer 2

Mehrdad已经解释过它还匹配字符串末尾的一个空子字符串。我在.net文档中找到了这种行为的官方解释（为什么匹配一个空子字符串而不是无限数字）：

http://msdn.microsoft.com/en-us/library/c878ftxe.aspx

量词*，+，{n，m}（以及它们的“懒惰”对应物）在匹配最小数量n的空匹配后永远不会重复。当m为无穷大时，此规则可防止量词在空匹配上进入无限循环（尽管规则适用，即使m不是无穷大）。

例如，（a？）*匹配字符串“aaa”并捕获模式（a）（a）（a）（）中的子串。请注意，没有第五个空捕获，因为第四个空捕获导致量词停止重复。

Answer 3

通过实验测试：在没有前进的情况下，replaceAll的匹配器在相同的字符串位置不会匹配两次。

实验：

System.out.println("foo".replaceAll(".??", "[bar]"));

输出：

[bar]f[bar]o[bar]o[bar]

说明：

模式.??是一个0或1个字符的非贪婪匹配，这意味着它将按优先级匹配任何内容，如果强制使用则匹配一个字符。在第一次迭代中，它不匹配任何内容，replaceAll在字符串的开头用""替换"[bar]"。在第二次迭代中，它将再次匹配，但是这是禁止的，因此将一个字符从输入复制到输出（"f"），位置提前，再次尝试匹配等等所以你有bar - f - bar - o - bar - o - bar：每个可以匹配空字符串的不同位置有一个“[bar]”。最后没有可能推进，所以替换终止，但只有在匹配“最终”空字符串之后。

出于好奇的考虑，Perl做了一些非常相似的事情，但是它以不同的方式应用规则，为同一输入和相同模式提供"[bar][bar][bar][bar][bar][bar][bar]"的输出 - .??仍然禁止制作在同一位置连续两次零宽度匹配，但允许回溯并匹配单个字符。意思是用“[bar]”替换“”，然后用“[bar]”替换“f”，然后用“[bar]”替换“”，然后用“[bar]”等替换“o”，直到最后字符串的零宽度匹配是禁止的，并且没有进一步的正宽度匹配。

Answer 4

我的猜测是，贪婪的.*首先匹配整个字符串，然后开始从当前位置（字符串结尾）查找匹配项，并在退出前匹配空字符串。

Answer 5

hm，两种情况下的Python都会生成'bar'：

>>> import re
>>> re.sub('.+', 'bar', 'foo')
'bar'
>>> re.sub('.*', 'bar', 'foo')
'bar'

Answer 6

这是一个非常有趣的问题。

当你考虑它时，String.replaceAll(...)可以在逻辑上实现，以执行“。*”案例中的三件事之一：

做一次替换，给出“bar”
做两个替换，给出“barbar”
尝试无数次替换。

显然，最后一种选择没有用，所以我可以理解为什么他们不这样做。但我们不知道为什么他们选择“barbar”解释而不是“bar”解释。问题在于Regex语法没有通用标准，只有Regex语义。我的猜测是，太阳作者做了以下其中一项：

查看其他预先存在的实现所执行和复制的内容，
考虑并做了他们认为最好的，或
没有考虑这种边缘情况，目前的行为是无意的。

但是在一天结束时，为什么他们选择“barbar”并不重要。事实是他们确实......我们只需要解决这个问题。

Answer 7

我认为，第一轮两种模式（.+和.*）都匹配所有字符串（"foo"）。之后，剩余的空字符串输入将与.*模式匹配。

但是，我从以下模式中发现了一个非常奇怪的结果。

^.*  => 'bar'
.*$  => 'barbar'
^.*$ => 'bar'

你能解释为什么它会返回上述结果吗？正则表达式中的起始字符串（^）和结束字符串（$）之间有什么不同？

<强> Update.1

我尝试将输入字符串更改为以下字符串。

FOO

FOO

请看新结果！

'^。*'=＆gt;

巴

FOO

'。* $'=＆gt;

foo

BARBAR

所以，我认为，每个输入只有一个开始字符串。另一方面，当函数在输入字符串中找到匹配字符串时，它不会删除当前当前字符串的结束字符串。 PS。您可以在http://gskinner.com/RegExr/

快速试用

为什么“。*”和“。+”给出不同的结果？

7 个答案: