Question

在研究this question的答案时，我想到了这个正则表达式：

(?:(?!\2)(?:,foo=([^,]*),(?=())|.))*\2bar=2

^{（注意：此正则表达式需要PyPI regex module）}

（简短说明：正则表达式基于以下事实：先行捕获组在匹配一次后便无法更改其值，因此在找到第一个foo=之后，(?=())匹配并且从那时起(?!\2)将始终失败。）

此正则表达式可与问题中给出的2个示例一起正常使用

>>> pattern = r'(?:(?!\2)(?:,foo=([^,]*),(?=())|.))*\2bar=2'
>>> regex.match(pattern, 'baz=0,foo=1,bar=2,foo=3,bar=4').group(1)
'1'
>>> regex.match(pattern, 'baz=0,foo=1,foo=1,bar=2')
>>>

但是如果在foo=之后出现bar=2 ，会发生一些奇怪的事情：

>>> # this doesn't match, as expected:
>>> regex.match(pattern, 'notfoo=1,bar=2')
>>> # but how the heck does it match this ?!
>>> regex.match(pattern, 'notfoo=1,bar=2,foo=3,')
<regex.Match object; span=(0, 14), match='notfoo=1,bar=2'>

如您所见，字符串'notfoo=1,bar=2,foo=3,'匹配了notfoo=1,bar=2。 foo=3,甚至不包含在匹配项中，但是如果将其删除，则正则表达式将不再匹配！这怎么可能？这是regex模块中的错误吗？

Answer 1

这实际上是很合理的。出现这种情况的原因很简单：回溯。

事件的顺序如下：

贪婪的团体(?:...)*每次前进一个字符，直到最终在foo=找到,foo=3,的地方
正则表达式尝试匹配bar=2，但这失败
正则表达式一次回溯1个字符，直到bar=2匹配为止，从而得到notfoo=1,bar=2的结果。

那么，我们该怎么办？我们可以将bar=2 移到贪婪组中，并使用另一个捕获组来断言正则表达式成功匹配：

(?:(?!\2)(?:,foo=([^,]*),(?=())bar=2()|.))*\3

>>> pattern = r'(?:(?!\2)(?:,foo=([^,]*),(?=())bar=2()|.))*\3'
>>> regex.match(pattern, 'baz=0,foo=1,bar=2,foo=3,bar=4').group(1)
'1'
>>> regex.match(pattern, 'baz=0,foo=1,foo=1,bar=2')
>>> regex.match(pattern, 'notfoo=1,bar=2')
>>> regex.match(pattern, 'notfoo=1,bar=2,foo=3,')
>>>

即使没有前瞻，添加一些文本如何使此正则表达式与输入匹配？

1 个答案: