正则表达式 c# 可选组 - 应该贪婪吗？

Posted 2023-04-13

【中文标题】正则表达式 c# 可选组 - 应该贪婪吗？

【英文标题】：regex c# optional group - should act greedy?

【发布时间】：2011-07-10 01:16:42

【问题描述】：

有正则表达式~像这样：

blablabla.+?(?:<a href="(http://.+?)" target="_blank">)?

如果我找到一个 url，我想捕获一个……找到了东西，但我没有得到链接（捕获总是空的）。现在，如果我像这样删除末尾的问号

blablabla.+?(?:<a href="(http://.+?)" target="_blank">)

这只会匹配末尾有链接的内容...现在是凌晨 2.40...我没有任何想法...

--编辑--

样本输入：

blablabla asd 1234t535 <a href="http://google.com" target="_blank">

预期输出：

match 0:

    group 1: <a href="http://google.com" target="_blank">
    group 2: http://google.com`

我只想要“http://google.com”或“”

【问题讨论】：

如果在最后一个末尾添加.*会怎样？

“blablabla.+”的目的是什么？

如果您能提供一些示例输入和预期输出，那就太好了。

@amcashcow 匹配 SOMETHING 然后 STUFF 直到找到链接

@markijbema 不抱歉，没有 - 误报

【参考方案1】：

你在做一个全字符串匹配吗？如果是这样，请尝试将.* 添加到第一个正则表达式的末尾并查看它匹配的内容。第一个正则表达式的问题是它可以匹配 blablabla 之后的任何内容，因为 .+? （导致空捕获），但括号部分仍然不会匹配 a 标记，除非它位于末尾字符串。顺便说一下，看看您的预期输出，捕获 1 将是 URL；由于开头的 ?:，整个 html 标记周围的括号是非捕获的。

【讨论】：

但是.+?应该充当非贪婪 == 在 上停止

@argh：是的，如果字符串的其余部分与<a href ... 匹配，它会匹配，但这需要字符串的整个其余部分都是标签。

哈哈！知道了！谢谢耶利米 - 你引导我解决问题：blablabla.+?)

@argh：移动括号内的组有什么好处？

是的......好吧......它工作了一秒钟，但只是因为后来有一个链接没有 target="_blank" 标签......啊......我是在那里很高兴一秒钟......

【参考方案2】：

你不应该需要 .+？一开始，正则表达式无论如何都会搜索整个输入

在空白之后你也有结束的“>”，这将限制你的匹配

(?:<a href="(http://.+?)" target="_blank".*?>)

regex test

【讨论】：

好的，对不起，我的示例不太精确......我需要在前面这个 blablabla - 基本上我需要从一个秃头形成的 HTML 中提取 url 到其他网站......所以他们做了类似的事情：公司名称shitty unclosed html tagsgoogle.com" target="_blank"

好吧，你可以在它前面放任何你想要的东西，但除非你想限制匹配的 url，否则没有必要。如果您这样做，请尽可能具体

是的，这正是我想要做的

【参考方案3】：

这是尾随？那是在做你。原因：通过将其标记为可选，您允许 .+?抓住它。

blablabla.*(?:<a href="((http://)?.*)".+target="_blank".*>)

我稍作修改....+? 与.* 基本相同，如果您的href 中可能没有任何内容（您表示想要“”），则需要将http 设为可选以及尾随文本。此外，.* 前面的target 表示您至少有一个空格或字符，但可能有更多（多个空格或其他属性）。 .* 在> 之前意味着您可以在后面有空格或其他属性。

如果没有<a href...>，这根本不会匹配一行，但这就是你想要的，对吧？

如果您不需要捕获整个<a href...> 部分，则可以完全删除(?: ... )。

如果属性没有按指定的顺序列出，这将失败……这是正则表达式不能真正用于解析 html 的原因之一。但是，如果您确定 href 将始终位于目标之前，那么这应该可以满足您的需要。

【讨论】：

"如果没有 ，这将根本不匹配一行，但这就是您想要的，对吧？" --> 不。在这种情况下，我们需要与空捕获组进行正匹配。