Perl正则表达式（regex）在我设为可选时失败

Posted 2023-01-09

我正在Perl 5.22上运行以下代码段：

  DB<41> x "up 34 days, 22:04 and more" =~ m/.*?(?:(\d+) days).*$/
0  34

以上代码按预期工作，并从“ 34天”中抽出了34天。

我的问题是，通过添加一个使捕获组成为可选的？在它的末尾是这样的：

  DB<4> x "up 34 days, 22:04 and more" =~ m/.*?(?:(\d+) days)?.*$/
0  undef

为什么它不再匹配34？我已经在网上搜索过，但是找不到与我的匹配的任何问题（如果您有一个解释它的链接，那就太好了）。

感谢您的宝贵时间。

答案

为什么它不再匹配34？

因为.*? in

"up 34 days, 22:04 and more" =~ m/.*?(?:(\d+) days)?.*$/

现在可以一直匹配到字符串的末尾，因为后面的内容可能匹配零次。

另一答案

正则表达式始终从左到右工作；量词总是首先尝试尽可能多地匹配，或者在不贪心时尽可能少匹配（例如.*?）。当他们达到不可比拟的状态时，只有这样，他们才会备份并尝试进行新的匹配（回溯）。正则表达式的关键在于正则表达式引擎将首先尝试的方法。

.*?首先将尝试在字符串的开头匹配空字符串，因为这是它可以匹配的最少字符。对于第一个正则表达式，这不会导致成功的整体匹配，因此最终回溯直到.*?匹配“ up”，以便随后的组可以匹配“ 34天”。但是，如果将以下组设为可选，则首先尝试将.*?的初始模式与空字符串匹配，然后将(?:(\d+) days)?与空字符串匹配（因为它不能与数字匹配，后跟“ days”）特定位置，但可以匹配空字符串），然后是.*，匹配其余字符串，然后是字符串末尾；成功的比赛。

Regexp::Debugger和https://regex101.com/都可以很好地可视化行为（只是要注意PCRE与Perl regex不完全相同）。

另一答案

由于.*?和(?:(\d+) days)?都匹配空字符串，然后.*$然后匹配任何其他字符串，即整个输入字符串。

如果您检查以下内容

use strict;
use warnings;

my $s = "up 34 days, 22:04 and more";

if ($s =~ m/.*?(?:(\d+) days)(.*)$/) 
  print("first:\n  $1=\"$1\"\n  \$2=\"$2\"\n");

if ($s =~ m/.*?(?:(\d+) days)?(.*)$/) 
  print("second:\n  \$1=\"$1\"\n  \$2=\"$2\"\n");

您会得到

first:
  34="34"
  $2=", 22:04 and more"
second:
  $1=""
  $2="up 34 days, 22:04 and more"

作为输出（以及有关$1的未定义警告，您可以在此处忽略这是说明。