为啥替代品的顺序在正则表达式中很重要？

Posted 2023-04-13

【中文标题】为啥替代品的顺序在正则表达式中很重要？

【英文标题】：Why does the order of alternatives matter in regex?为什么替代品的顺序在正则表达式中很重要？

【发布时间】：2013-08-03 18:27:59

【问题描述】：

代码

using System;
using System.Text.RegularExpressions;

namespace RegexNoMatch 
    class Program 
        static void Main () 
            string input = "a foobar& b";
            string regex1 = "(foobar|foo)&?";
            string regex2 = "(foo|foobar)&?";
            string replace = "$1";
            Console.WriteLine(Regex.Replace(input, regex1, replace));
            Console.WriteLine(Regex.Replace(input, regex2, replace));
            Console.ReadKey();
        
    

预期输出

a foobar b
a foobar b

实际输出

a foobar b
a foobar& b

问题

当正则表达式模式中“foo”和“foobar”的顺序改变时，为什么替换不起作用？如何解决这个问题？

【参考方案1】：

正则表达式引擎尝试按照指定的顺序匹配替代项。因此，当模式为 (foo|foobar)&? 时，它会立即匹配 foo 并继续尝试查找匹配项。输入字符串的下一位是bar& b，无法匹配。

换句话说，因为foo 是foobar 的一部分，所以(foo|foobar) 永远不会匹配foobar，因为它总是首先匹配foo。

实际上，有时这可能是一个非常有用的技巧。 (o|a|(\w)) 模式将允许您以不同的方式捕获 \w 和 a 或 o：

Regex.Replace("a foobar& b", "(o|a|(\\w))", "$2") // fbr& b

【讨论】：

为什么正则表达式不贪心？我认为它应该匹配它可以匹配的最长字符串。

@Athari greediness 适用于量词，而不适用于交替。

有没有办法强迫对交替的贪婪，或者我必须按字母倒序对交替进行排序？

@Athari 字母顺序没有区别。交替应首先按 broadest 模式排序，例如foobar 比foo 更广泛，因为任何匹配foo 的字符串也将匹配foobar（当然foo(bar)? 在这里更明智）。除非您尝试使用我更新的答案中描述的技巧。

在我的真实案例中，这个列表很长，所以让正则表达式变得更复杂是不值得的。我想this suggestion 解决了我的问题，因为我需要匹配单独的单词。