正则表达式运算符的顺序 (..|.. ... ..|..)

Posted 2023-04-13

【中文标题】正则表达式运算符的顺序 (..|.. ... ..|..)

【英文标题】：Order of regular expression operator (..|.. ... ..|..)

【发布时间】：2016-06-06 23:53:00

【问题描述】：

(..|. .. .|..) 运算符中表达式的优先级顺序是什么 - 从左到右、从右到左或其他？

【参考方案1】：

从左到右，第一个替代匹配“获胜”，其他不检查。这是典型的 NFA 正则表达式行为。 regular-expressions.info Alternation page 提供了对该行为的良好描述。

请注意，RegexOptions.RightToLeft 只会让正则表达式引擎从右到左检查输入字符串，修饰符不会影响正则表达式引擎如何处理模式本身。

让我举例说明：如果您有一个(aaa|bb|a) 正则表达式并尝试使用Regex.Match 在bbac 中找到匹配项，您将获得的值是bb，因为a 替代出现在bbb 之后。如果您使用Regex.Matches，您将获得所有匹配项，并且bb 和a 都会出现在您的结果中。

此外，从左到右检查正则表达式模式这一事实清楚地表明，在非锚定替代组中，替代的顺序很重要。如果您使用(a|aa|aaa) 正则表达式匹配abbccaa，第一个a 替代将匹配字符串中的每个a（请参阅regex demo）。添加单词边界后，您可以按任意顺序放置替代项（请参阅one more regex demo）。

【讨论】：

我认为有些正则表达式引擎总是采用最长的匹配，而不是这里的第一个。

符合 POSIX 的正则表达式引擎需要最长的匹配。此外，Perl6 / pattern1 | pattern2 / 也匹配最长的备选方案（有一个 || 运算符在大多数其他风格中用作简单的 | 以产生第一个找到的备选方案）。

在 Python 3.8.2 (CPython) 中，它似乎也是从左到右的，而不是最长的。示例：re.sub(r"3rd (col|column)", '_', '3rd column') 返回'_umn'