惰性量词和前瞻

Posted 2023-04-13

【中文标题】惰性量词和前瞻

【英文标题】：Lazy quantifier and lookahead

【发布时间】：2018-01-20 01:35:18

【问题描述】：

我正在开发一个用于在 C# 中验证 url 的正则表达式。现在，我需要的正则表达式不能与其他 http:// 匹配，而是与 url 中的第一个匹配。这是我的第一次尝试：

(https?:\/\/.+?)\/(.+?)(?!https?:\/\/)

但是这个正则表达式不起作用（即使删除(?!https?:\/\/)）。以这个输入字符串为例：

http://test.test/notwork.http://test

这是我的第一个疑问：为什么捕获组(.+?) 不匹配notwork.http://test？惰性量词应该尽可能少地匹配，但为什么不匹配到最后呢？在这种情况下，我肯定遗漏了一些东西（首先我认为它可能与回溯有关，但我不认为是这种情况），所以我阅读了this 并找到了解决方案，即使我不确定是最好的，因为它说

与惰性点星相比，这种技术没有任何优势

无论如何，这个解决方案就是回火点。这是我的下一次尝试：

(https?:\/\/.+?)\/((?:(?!https?:\/\/).)*)

现在：这个正则表达式正在工作，但不是我想要的方式。 只有当 url 有效时我才需要匹配。

顺便说一句，我想我还没有完全理解新的正则表达式在做什么：为什么负前瞻会停留在 . 之前而不是之后？ 所以我尝试在. 之后移动它，它似乎与url 匹配，直到找到第二个http 之前的倒数第二个字符。回到更正后的正则表达式，我的假设是负前瞻实际上是在尝试检查正则表达式已经读取的 . 之后的内容，对吗？

其他解决方案已被广泛接受，但我首先希望了解这个解决方案。谢谢。

【问题讨论】：

这个问题太宽泛了。第二个“疑问”解释here。至于第一个，您只需要使用带有$ 的肯定 前瞻作为替代方案（(.*?)(?=https?:\/\/|$)）。 .+? 匹配 1 个字符，由于它是惰性的，因此不必匹配更多。

“只有当 url 有效时我才需要匹配”是什么意思？

关于第一个疑问：我应该使用$ 这样惰性量词才能匹配到输入结束，对吗？为什么不暗示？我读了你关于 tempered greedy token 的回答，它肯定更清楚。仅当 url 不包含其他 http:// 时，我才需要匹配，而对于我当前的正则表达式，当 http:// 也包含时，我需要匹配。顺便说一句，谢谢你的回答。

看起来你想要(?>https?://\S+?/(?:(?!https?://).)*)(?!https?://)这样的东西。

你说的对。再次感谢您。

【参考方案1】：

你寻求的解决方案是

(?>https?://\S+?/(?:(?!https?://).)*)(?!https?://)

见regex demo

详情

(?>https?://\S+?/(?:(?!https?://).)*) - 匹配的原子组（不允许回溯到其子模式） https?:// - http:// 或 https:// \S+? - 任何 1 个或多个非空白字符，尽可能少，直到第一个... / - / 符号后跟... (?:(?!https?://).)* - 零个或多个字符（尽可能多）不以http:// 或https:// 字符序列开头。 (?!https?://) - 如果在当前位置的右侧有 http:// 或 https://，则匹配失败。

(https?:\/\/.+?)\/(.+?)(?!https?:\/\/) 不起作用，因为.+? 模式正在匹配懒惰，即它抓取找到的第一个字符，然后让后续的子模式匹配。随后的子模式是一个否定的 loolahead，只有在当前位置右侧没有 http:// 或 https:// 的情况下才匹配失败。由于http://test.test/notwork.http://test中n后面没有这样的子串，所以返回以n结尾的匹配，匹配成功。如果你不告诉正则表达式引擎匹配更多，或者匹配其他一些分隔符/模式，它不会。

缓和的贪婪令牌解决方案已经讨论了很多。 this answer 中涵盖了关于在何处放置前瞻的确切疑问。