Question

我有一个像这样的简单正则表达式：

@123(?:(?:(?P<test>[\s\S]*)456(?P<test1>(?P>test))789))@

它应匹配以下字符串：

123aaaa456bbbb789

但它没有。

但是，如果我用正则表达式的直接副本替换子例程引用：

@123(?:(?:(?P<test>[\s\S]*)456(?P<test1>[\s\S]*)789))@

然后它完美无缺。

我无法弄清楚为什么通过群组名称引用模式不起作用。

Answer 1

这里的要点是[\s\S]*是一个*量化的子模式，允许正则表达式引擎在后续子模式无法匹配时回溯，但 PCRE中的递归调用是原子，即当引擎用(?P>test)抓取任何0+字符时引擎无法回溯，这就是模式无法匹配的原因。

简而言之，@123(?:(?:(?P<test>[\s\S]*)456(?P<test1>(?P>test))789))@模式可以重写为

@123(?:(?:(?P<test>[\s\S]*)456(?P<test1>[\s\S]*+)789))@
                                              ^^

且[\s\S]*+已匹配789，引擎无法回溯以匹配789模式部分。

请参阅PCRE docs：

在PCRE中（与Python类似，但与Perl不同），递归子模式调用始终被视为原子组。也就是说，一旦它匹配了一些主题字符串，它就永远不会被重新输入，即使它包含未经验证的替代品并且随后存在匹配失败。

不知道为什么他们在这里提到Python，因为re不支持递归（除非他们指的是PyPi正则表达式模块）。

如果您正在寻找解决方案，可以使用(?:(?!789)[\s\S])* tempered greedy token代替[\s\S]*，它只会匹配任何字符，如果它没有启动789 char序列（因此，无需回溯以适应789）：

123(?:(?:(?P<test>(?:(?!789)[\s\S])*)456(?P<test1>(?P>test))789))
                  ^^^^^^^^^^^^^^^^^^