Ненадежный квантификатор регулярных выражений дает жадный результат

Question

У меня есть .net regex, который я тестирую с помощью Windows Powershell. Выход заключается в следующем:

> [System.Text.RegularExpressions.Regex]::Match("aaa aaa bbb", "aaa.*?bbb") 


Groups : {aaa aaa bbb} 
Success : True 
Captures : {aaa aaa bbb} 
Index : 0 
Length : 11 
Value : aaa aaa bbb 

Мое ожидание, что с помощью ? квантор может вызвать матч будет aaa bbb, как вторая группа из является достаточным, чтобы удовлетворять выражению. Является ли мое понимание не-жадных кванторов ошибочным, или я неправильно тестирую?

Примечание: это явно не та же проблема, как Regular Expression nongreedy is greedy

Answer 1

Это распространенное недоразумение. Леничные квантификаторы не гарантируют кратчайшее совпадение. Они только убеждаются, что текущий квантификатор из текущей позиции не соответствует большему количеству символов, чем необходимо для общего соответствия.

Если вы действительно хотите обеспечить кратчайшее возможное совпадение, вам необходимо сделать это явным. В этом случае это означает, что вместо .*? вы хотите, чтобы подрегрех соответствовал любому, что не является ни aaa, ни bbb. Таким образом, полученное регулярное выражение будет

aaa(?:(?!aaa|bbb).)*bbb 

Answer 2

Сравните результат для строки aaa aaa bbb bbb:

regex: aaa.*?bbb 
result: aaa aaa bbb 

regex: aaa.*bbb 
result: aaa aaa bbb bbb 

Регулярное выражение двигателя находит первое вхождение aaa, а затем пропускает все символы (.*?) до сначала появление bbb, но для жадного оператора (.*) он продолжит поиск большего результата и, следовательно, соответствует las t появление bbb.

Answer 3

Ну это очень просто, мы имеем следующую строку

ааа ааа ГЭБ

Давайте посмотрим, у нас есть это регулярное выражение aaa.*?bbb. Движок регулярных выражений будет начинаться с aaa

ааа ааа ГЭБ

движок регулярных выражений имеет в настоящее время .*?bbb. Он приступит к space

ааа пространства ааа ГЭБ

, но мы до сих пор некоторые символы до bbb? Таким образом, регулярное выражение двигатель будет продолжать свой путь и матч второго набора в

ааа ааа пространства ГЭБ

Наконец движок регулярных выражений будет соответствовать bbb:

ааа ааа bbb

---

Итак, давайте посмотрим, если мы хотим, чтобы соответствовать второй aaa мы могли бы использовать следующее регулярное выражение:

(?<!^)aaa.*?bbb, это означает, что в соответствии aaa, что не в начале предложения.

Мы также можем использовать aaa(?= bbb).*?bbb, это означает, что оно соответствует aaa, а затем space bbb.

Смотреть это работает 1 - 2.

Только что пришел в чувство, но почему бы вам не использовать aaa bbb?

Answer 4

Это не жадная/ленивая проблема. Проблема заключается в том, что ваша строка анализируется слева направо. Когда первый aaa сопоставляется, двигатель регулярных выражений добавляет символы один за другим, чтобы иметь полный шаблон.

Обратите внимание, что с вашим жадным поведением в вашем примере получается тот же результат: первый aaa соответствует, двигатель регулярных выражений принимает все последние символы и возвращает символ по символу до полного совпадения.