正则表达式中+的含义是啥？

Posted 2023-02-27

技术标签:

【中文标题】正则表达式中+的含义是啥？【英文标题】：What is the meaning of + in a regex?正则表达式中+的含义是什么？ 【发布时间】：2022-01-06 18:13:46 【问题描述】：

正则表达式中的加号是什么意思？

【问题讨论】：

你能发个样本吗？ /s+a+m+p+l+e+/ ^^ 匹配 sample、samplee 和 sssaaaaaammmppplllllle，但不匹配 smple 【参考方案1】：

+ 实际上可以有两种含义，具体取决于上下文。

与提到的其他答案一样，+ 通常是 repetition 运算符，并导致前面的标记重复一次或多次。 a+在formal language theory中可以表示为aa*，也可以表示为a1,（最少匹配1次，最多匹配无限次）。

但是，+ 也可以使其他量词 possessive 如果它遵循重复运算符（即 ?+、*+、++ 或 <i>m</i>,<i>n</i>+）。所有格量词是一些正则表达式风格（PCRE、Java 和 JGsoft 引擎）的高级功能，它告诉引擎在匹配完成后不要回溯。

要了解其工作原理，我们需要了解正则表达式引擎的两个概念：贪婪和回溯。贪婪意味着通常正则表达式会尝试使用尽可能多的字符。假设我们的模式是.*（dot 是正则表达式中的一个特殊结构，表示任何字符¹；星号表示匹配零次或多次），并且你的目标是aaaaaaaab。整个字符串都会被消耗掉，因为整个字符串是满足模式的最长匹配。

但是，假设我们将模式更改为.*b。现在，当正则表达式引擎尝试匹配 aaaaaaaab 时，.* 将再次消耗整个字符串。但是，由于引擎将到达字符串的末尾并且模式尚未满足（.* 消耗了所有内容，但之后模式仍必须匹配 b），它将回溯，一次一个字符，并尝试匹配b。第一次回溯会使.*消耗aaaaaaaa，然后b可以消耗b，模式成功。

占有量词也是贪婪的，但如前所述，一旦它们返回匹配项，引擎就无法再回溯超过该点。因此，如果我们将模式更改为.*+b（所有格匹配任何字符零次或多次，后跟b），并尝试匹配aaaaaaaab，.* 将再次消耗整个字符串，但随后因为它是所有格，所以回溯信息被丢弃，并且 b 无法匹配，因此模式失败。

^{¹ 在大多数引擎中，点不会匹配换行符，除非指定了/s（“singleline”或“dotall”）modifier。}

【讨论】：

+1;不过，所有格量词仅适用于 Java、PCRE 或 JGSoft 正则表达式引擎。 Ruby、Perl 和 .NET 使用原子组 (?>.*)。 @Tim 我提到了这一点，但我现在在我的回答中更明确了。 @Tim：Perl 确实支持占有量词，可能从 5.10 开始 @ninjalj：感谢您提供的信息。那么this comparison 似乎不再是最新的了。很棒的答案！真的帮助我理解了+很多。谢谢。【参考方案2】：

在大多数实现中，+ 表示“一个或多个”。

在一些理论著作中，+ 用于表示“或”（大多数实现使用| 符号）。

【讨论】：

【参考方案3】：

1 个或多个先前的表达式。

[0-9]+

匹配：