正则表达式中的重叠匹配

Posted 2023-04-13

【中文标题】正则表达式中的重叠匹配

【英文标题】：Overlapping matches in Regex

【发布时间】：2010-09-24 03:24:53

【问题描述】：

我似乎找不到这个问题的答案，我想知道是否存在。简化示例：

考虑一个字符串“nnnn”，我想在其中找到“nn”的所有匹配项——但也包括那些相互重叠的匹配项。因此正则表达式将提供以下 3 个匹配项：

nnnn nnnn nnnn

我意识到这并不完全是正则表达式的含义，但是手动遍历字符串并对其进行解析似乎需要大量代码，考虑到实际上必须使用模式而不是文字字符串来完成匹配.

【问题讨论】：

感谢您添加此问题。我什至不知道如何以其他人可以理解的方式陈述这个问题！

【参考方案1】：

2016 年更新：

要得到nn,nn,nn,SDJMcHattie求婚the comments(?=(nn)) (see regex101)。

(?=(nn))

---

原始答案（2008 年）

一个可能的解决方案是使用positive look behind:

(?<=n)n

它会给你的结束位置：

nnnn nnnn nnnn

---

正如Timothy Khouri 所提到的，正向前瞻更直观 (see example)

我更喜欢他的提议(?=nn)n 更简单的形式：

(n)(?=(n))

这将引用您想要的字符串的第一个位置并将捕获 group(2) 中的第二个 n。

之所以如此，是因为：

任何有效的正则表达式都可以在前瞻中使用。 如果它包含捕获括号，则

将保存反向引用

。

所以 group(1) 和 group(2) 将捕获任何 'n' 表示的内容（即使它是一个复杂的正则表达式）。

---

【讨论】：

另外，您也可以积极向前看：(?=nn)n ... 表示“前面有两个 N，匹配一个 N”。

对不起，我仍然没有看到请求的三个重叠捕获。您捕获了两个 n，但不是三个组。如果我将 (\d\d)(?=(\d\d)) 与 foo4237bar 匹配，我会得到两个捕获，而不是三个：42 和 37（在 Regex Coach 和 PCRE Workbench 中）。我可能很厚，所以我需要更多解释。

请再读一遍答案：(\d)(?=(\d))，而不是(\d\d)(?=(\d\d))：你会有3套捕获组数：(4)(2), (2)(3), (3)(7)

为什么不只是(?=(nn))？然后你会为每场比赛获得一个捕获组

我可能遗漏了一些东西，但@SDJMcHattie 评论看起来像 the 答案：它适用于任意表达式，而不仅仅是 ns 序列跨度>

【参考方案2】：

对捕获组使用前瞻是可行的，但代价是使您的正则表达式变得更慢和更复杂。另一种解决方案是告诉 Regex.Match() 方法下一次匹配尝试应该从哪里开始。试试这个：

Regex regexObj = new Regex("nn");
Match matchObj = regexObj.Match(subjectString);
while (matchObj.Success) 
    matchObj = regexObj.Match(subjectString, matchObj.Index + 1); 

【讨论】：

Regular-Expressions.info webmaster... => 必填 + 1。当然，你是对的。

【参考方案3】：

AFAIK，没有纯粹的正则表达式方法可以立即执行此操作（即返回您请求的三个捕获而无需循环）。

现在，您可以找到一个模式一次，然后从偏移量（找到的位置 + 1）开始循环搜索。应该将正则表达式的使用与简单的代码结合起来。

[编辑] 太好了，当我基本上说出 Jan 所展示的内容时，我被否决了... [编辑 2] 要明确：简的答案更好。不是更精确，但肯定更详细，值得选择。我只是不明白为什么我的投票被否决了，因为我仍然没有看到任何不正确的地方。没什么大不了的，就是烦人。

【讨论】：

比我早1秒，我会撤回我的相同答案！

@Timothy：那不会进行捕获，而且您仍然需要循环查看结果，所以我不确定优势......

@PhiLho：同样，不是真的：您可以在零宽度断言中捕获组，例如正向预测。查看我的 - 已完成 - 答案。

@PhiLho：我回复了你的评论。而且，在我看来，您的回答不如 Jan 的准确：“模式”可以指“n”，而正确的策略是指使用“nn”，然后从 offset+1 重新开始。您可能一直是这个意思，只是没有解释。

@VonC：问题很准确，模式一直是“nn”，我看不出有歧义。