回溯中的反向引用

Posted 2023-02-26

【中文标题】回溯中的反向引用

【英文标题】：Backreferences in lookbehind

【发布时间】：2011-02-13 15:59:51

【问题描述】：

你可以在后面使用反向引用吗？

假设我想split 在我身后的任何地方重复两次。

    String REGEX1 = "(?<=(.)\\1)"; // DOESN'T WORK!
    String REGEX2 = "(?<=(?=(.)\\1)..)"; // WORKS!

    System.out.println(java.util.Arrays.toString(
        "Bazooka killed the poor aardvark (yummy!)"
        .split(REGEX2)
    )); // prints "[Bazoo, ka kill, ed the poo, r aa, rdvark (yumm, y!)]"

使用REGEX2（其中反向引用位于lookahead 中嵌套在lookbehind 中）可以工作，但REGEX1 在运行时会出现此错误：

Look-behind group does not have an obvious maximum length near index 8
(?<=(.)\1)
        ^

我认为这种有点是有道理的，因为通常反向引用可以捕获任意长度的字符串（不过，如果正则表达式编译器更聪明一点，它可以确定\1在这种情况下是(.)，因此长度有限）。

那么有没有办法在回溯中使用反向引用？

如果没有，您是否可以始终使用这种嵌套的前瞻来解决它？还有其他常用的技术吗？

【问题讨论】：

很有趣，并且为您的巧妙解决方法 +1。我不使用 Java，所以我不能自己尝试 - 如果反向引用组在环视之外会发生什么，例如 (?<=\\1)(.)？

@Tim：它产生基本相同的PatternSyntaxException。顺便说一句，如果有人想解决这个问题的变体，我刚刚在 codingBat 上写了一个：codingbat.com/prob/p266235

@polygenelubricants 我希望我能支持这个正则表达式： (?

【参考方案1】：

看起来你的怀疑是正确的，反向引用通常不能在 Java 后向中使用。您提出的解决方法使后视的有限长度变得明确，对我来说看起来非常聪明。

我很想知道 Python 对这个正则表达式做了什么。 Python只支持固定长度的lookbehind，不像Java那样支持有限长度，但是这个正则表达式是固定长度的。我不能直接使用re.split()，因为Python 的re.split() 永远不会在空匹配时分裂，但我想我在re.sub() 中发现了一个错误：

>>> r=re.compile("(?<=(.)\\1)")
>>> a=re.sub(r,"|", "Bazooka killed the poor aardvark (yummy!)")
>>> a
'Bazo|oka kil|led the po|or a|ardvark (yum|my!)'

后向匹配在两个重复字符之间！

【讨论】：

查看***.com/questions/2628534/… 以获得更多正则表达式的乐趣。

不过，re.split() 不会在空匹配时拆分，这太愚蠢了。为什么他们会那样做？我认为很多时候您只想根据断言而不是实际的非空分隔符进行拆分。

我在 Python bugtracker 上问过同样的问题。这可能是无意的，但为了不引起兼容性问题而单独放置；正在对正则表达式引擎进行大修，但可能需要一段时间才能将新的正则表达式模块合并到标准库中。

Java 的 regex 包原来也有同样的 bug，lookbehinds 没有锚定在当前匹配位置，但在 JDK 1.6 中已修复。