贪婪/懒惰（非贪婪）/占有量词如何在内部工作？ [复制]

Posted 2023-02-19

【中文标题】贪婪/懒惰（非贪婪）/占有量词如何在内部工作？ [复制]

【英文标题】：How do greedy / lazy (non-greedy) / possessive quantifiers work internally? [duplicate]

【发布时间】：2021-02-09 11:00:34

【问题描述】：

我注意到量词有 3 种不同类别：贪婪、懒惰（即非贪婪）和所有格。

我知道，粗略地说，greedy 量词试图通过首先读取整个输入字符串来获得最长的匹配，然后如果尝试继续失败，则一个一个地截断字符； lazy 量词尝试通过首先读取空字符串来获得最短匹配，然后如果尝试继续失败，则一个一个地添加字符； 占有量词尝试与贪婪量词相同的方式，但如果第一次尝试失败，它们将停止匹配。

但是，我不确定上述内容是如何在“内部”实施的，并希望得到澄清（希望有示例）。

---

例如，假设我们的输入字符串为"fooaaafoooobbbfoo"。

如果正则表达式是"foo.*"（贪婪），那么正则表达式中的foo 是否会首先匹配输入字符串中的foo，然后.* 会读入aaafoooobbbfoo 作为“整个字符串”？或者.* 会首先将fooaaafoooobbbfoo 读入“整个字符串”，然后截断fooaaafoooobbbfoo 以尝试匹配正则表达式中的foo？如果是后者，fooaaafoooobbbfoo 会在每次尝试中从左侧截断还是从右侧截断？

如果我将"foo.*" 替换为".*foo" 或"foo.*foo" 作为我的正则表达式，上述问题的答案会改变吗？如果我把那些贪婪的量词改成懒惰的和所有格的呢？

如果一个正则表达式中有多个量词，引擎将如何处理优先级（如果重要的话）？

---

提前致谢！

【问题讨论】：

提示：使用Regex Debugger实时查看步骤。

【参考方案1】：

对于您的输入字符串fooaaafoooobbbfoo。

案例 1： 当您使用此正则表达式时：

foo.*

首先记住引擎从左到右遍历的事实。

考虑到上面的正则表达式将首先匹配输入开始处的foo，然后.*将贪婪匹配最长可能匹配foo之后的其余文本直到结束。此时匹配停止，因为在您的模式中 .* 之后没有可匹配的内容。

案例 2：当您使用此正则表达式时：

.*foo

这里.* 将在匹配最后一个foo 之前贪婪地匹配最长 可能的匹配，这正好是输入的末尾。

案例 3： 当您使用此正则表达式时：

foo.*foo

哪个将首先匹配输入中找到的foo，即foo，然后.*将在匹配最后一个foo之前贪婪地匹配最长可能的匹配，这是输入的结尾.

案例 4： 当您将此正则表达式与惰性量词一起使用时：

foo.*?foo

哪个将首先匹配输入中找到的foo，即在开始时foo，然后.*?将在匹配下一个foo之前延迟匹配最短可能匹配，这是@987654340的第二个实例@ 在输入中从位置 6 开始。

案例 5： 当您将此正则表达式与所有格量词一起使用时：

foo.*+foo

首先匹配输入中的foo，即在开始时foo，然后.*+ 使用占有量词，这意味着尽可能多地匹配，不返回。这将贪婪地匹配 longest 可能的匹配直到结束，并且由于所有格量词不允许引擎回溯，因此在部分末尾存在 foo 将导致失败，因为引擎将无法匹配最后一个 @987654347 @。

【讨论】：

非常感谢您的回答！我可以要求进一步澄清这个过程的细节：这是否意味着，比如"foo.*foo"，正则表达式将首先在输入中找到第一次出现的foo（在开头），然后，@987654350 @ 将读入aaafoooobbbfoo，接下来，.* 将开始逐个截断aaafoooobbbfoo，直到截断的内容与正则表达式的最后一部分（即foo）匹配？如果是这样，请问这个截断究竟是如何进行的？它是从左到右还是从右到左截断aaafoooobbbfoo？

截断或回溯是一次一个字符。因此引擎回溯一个位置并重新尝试匹配foo，并重复此过程，直到匹配成功或失败。在这种情况下，只要匹配最后一个 foo，匹配即成功。

那么我可以向您确认一下引擎是否从右到左回溯吗？ （所以在这种情况下，aaafoooobbbfoo 变为aaafoooobbbfo 然后aaafoooobbbf 然后aaafoooobbb 然后匹配完成）谢谢你的耐心:)

@J-A-S：是的，你是正确的。引擎一次向后移动 1 个位置，试图匹配位置 aaafoooobbbfoo, aaafoooobbbfo, aaafoooobbbf, aaafoooobbb 处的 foo。这是它成功匹配foo的时候。

我也尝试了正则表达式".*foo.*foo" 对输入，并且刚刚发现，在正则表达式中的第二个foo 第一次遇到时，在输入中引擎将移回索引在最后一个 foo 之前的一个字符，并从那里回溯正则表达式的第一个 foo。这允许正则表达式中的第二个foo 匹配输入中的最后一个foo。无论如何，我认为这值得一提:)