我正在尝试匹配句子中的可选（可能存在）短语：
perl -e '$_="word1 word2 word3"; print "1:$1 2:$2 3:$3\n" if m/(word1).*(word2)?.*(word3)/'
输出：
1:word1 2: 3:word3
我知道第一个'。*'是贪婪的，并且匹配'word3'的所有内容。让它不贪婪无济于事：
perl -e '$_="word1 word2 word3"; print "1:$1 2:$2 3:$3\n" if m/(word1).*?(word2)?.*(word3)/'
输出：
1:word1 2: 3:word3
这里似乎存在利益冲突。我以为Perl会匹配（word2）？如果可能的话，仍然满足于非贪婪。*？至少那是我对'？'的理解。 Perl正则表达式页面上写着'？'做1次或0次所以不应该更喜欢一个匹配而不是零？
如果我抓住。*？：
，更令人困惑的是perl -e '$_="word1 word2 word3"; print "1:$1 2:$2 3:$3 4:$4\n" if m/(word1)(.*?)(word2)?.*(word3)/'
输出：
1:word1 2: 3: 4:word3
这里的所有群组都是捕捉群体，因此我不知道他们为什么是空的。
只是为了确保没有捕获字间空间：
perl -e '$_="word1_word2_word3"; print "1:$1 2:$2 3:$3 4:$4\n" if m/(word1)(.*?)(word2)?.*(word3)/'
输出：
1:word1 2: 3: 4:word3
鉴于唯一不匹配的匹配是word2和word3之间的匹配，我只能假设它是进行匹配的那个。 果然：
perl -e '$_="word1_word2_word3"; print "1:$1 2:$2 3:$3 4:$4 5:$5\n" if m/(word1)(.*?)(word2)?(.*)(word3)/'
输出：
1:word1 2: 3: 4:_word2_ 5:word3
所以贪婪匹配正在向后工作，Perl很乐意匹配word2的零（而不是一个）实例。让它变得非贪婪也无济于事。
所以我的问题是：如何编写我的正则表达式以匹配并捕获句子中的可能短语？我在这里给出的例子很简单;我正在解析的实际句子要长得多，在我匹配的那些之间有很多单词，所以我不能假设任何长度或组成的介入文本。
非常感谢， 斯科特
答案 0 :(得分：4)
你需要了解贪婪和懒惰的量词是如何工作的。贪婪的人会抓住他们的模式可以立即匹配的文本，然后引擎将回溯，即它会尝试返回到贪婪量化的子模式匹配子字符串的地方，试图检查是否下一个子模式可以匹配。
延迟匹配模式首先匹配最小字符，然后尝试与其他子模式匹配。使用*?，它匹配零字符，一个空格，然后继续检查是否可以匹配下一个模式，并且只有在它不能匹配时，才会“扩展”延迟子模式“包括一个角色，等等。
因此，(word1).*(word2)?.*(word3)会将word2与第一个.*匹配（第二个.*会匹配一个空格，因为第一个.*是贪婪的虽然你可以认为(word2)?是贪婪的，因此必须回溯到，但答案是否定的，因为第一个.*抓住了所有的字符串，然后引擎向后寻找匹配。由于(word2)?匹配空字符串，因此它始终匹配，word3首先匹配字符串的结尾。请参阅this demo并检查 regex调试器部分
你想，让我们使用与第一个.\*? 进行懒惰匹配。 (word1).*?(word2)?.*(word3)（将word2与贪婪的第二个.*匹配）的问题略有不同，因为可能与可选组相匹配。怎么样？第一个.*?匹配零个字符，然后尝试匹配所有后续子模式。因此，它找到word1，然后是空字符串，在word2 之后找不到word1。 word2如果word1在.*?之后，则会与第一个(?:(?!word2).)*匹配。请参阅this demo。
我现在看到有两个解决方案，它们都包含使第二个可选组对于模式的其余部分“独占”，以便正则表达式引擎在找到时不能跳过它。
(word1)(?:(?!word2).)*(word2)?.*?(word3)。它效率低于分支重置解决方案，但可以移植到JS，Python和支持前瞻的大多数其他正则表达式。这是如何运作的？ /s匹配除了换行符（除了word2之外的任何字符的0次出现，甚至包括换行符），该换行符不会启动文字字符序列w。如果ord2匹配，则word2不能跟随构造匹配。因此，当它到达(word2)?时，它会停止并让后续子模式 - word2 - 匹配并捕获以下$("body").on("click","#nice2Know", function(){
window.location ="URLString";
return false;
});
。 *要提高此方法效率**，请使用unroll the loop technique：(word1)[^w]*(?:w(?!ord2)[^w]*)*(word2)?.*?(word3)。答案 1 :(得分：1)
您可以使用分支重置构造作为解决方法：
(word1)(?|.*?(word2).*?(word3)|().*?(word3))
#^ ^ ^ ^ ^---- group 3
#| | | '--------- group 2
#| | '----------------- group 3
#| '--------------------------- group 2
#'---------------------------------------- group 1
分支重置组(?|...()...()|...()...())的主要兴趣是捕获组在每个分支中具有相同的编号。您可以使用第一个分支，其中该组是必需的，而第二个分支是空的（或者您可以使用始终失败的模式填充它并在之后添加?，而不是使第2组成为可选的它）
答案 2 :(得分：0)
为了解决您的问题，您必须观察到正则表达式中的catch-all子表达式与您不希望它们匹配的材料：
(word1).*(word2)?.*(word3)
--
^--- this subexpression matches _all_ material between `word1` and `word3` in the test string, in particular `word2` if it is present
(word1).*? (word2)? .*(word3)
---+--------+--
^ ^ ^-- this subexpression matches _all_ material between `word1` and `word3` in the test string, in particular `word2` if it is present
| |
| +------ this subexpression is empty, even if `word2` is present:
| - the preceding subexpression `.*?` matches minimally (ie. the empty string)
| - `(word2)?` cannot match for the preceding blank.
| - the following subexpression `.*` matches everything up to `word3`, including `word2`.
|
| -> the pattern matches _as desired_ for test strings
| where `word2` immediately follows `word1` without
|
+-------------- this subexpression will always be empty
您需要的是一种构造，可以防止catch-all匹配包含word2的字符串。幸运的是，perl的正则表达式语法体现了用于此目的的负面观察：对于catch-all子表达式匹配中的每个字符，请确保它不在word2之前。
在perl：
/(word1).*(word2).*(word3)|word1((?<!word2).)*word3/
<强> 注意事项
word2必须是文字，因为正则表达式引擎仅支持具有先验已知匹配长度的模式。替代解决方案
鉴于警告，您可能会尝试更改控制逻辑：
$teststring = $_;
if ($teststring =~ m/(word1).*(word2).*(word3)/) {
print \"1:$1 2:$2 3:$3\n\";
}
else {
# You know by now that there is no word2 between any word1, word3 occurrences
if ($teststring =~ m/(word1).*(word3)/) {
print \"1:$1 2:- 3:$2\n\";
}
}