我的正则表达式匹配太多。我如何让它停止？ [复制]

Posted 2023-02-14

【中文标题】我的正则表达式匹配太多。我如何让它停止？ [复制]

【英文标题】：My regex is matching too much. How do I make it stop? [duplicate]

【发布时间】：2022-01-21 17:43:12

【问题描述】：

我有这个又大又丑的字符串：

J0000000: Transaction A0001401 started on 8/22/2008 9:49:29 AM
J0000010: Project name: E:\foo.pf
J0000011: Job name: MBiek Direct Mail Test
J0000020: Document 1 - Completed successfully

我正在尝试使用正则表达式从中提取片段。在这种情况下，我想抓取 Project Name 之后的所有内容，直到它显示 J0000011: 的部分（11 每次都是不同的数字）。

这是我一直在玩的正则表达式：

Project name:\s+(.*)\s+J[0-9]7:

问题是它直到最后碰到 J0000020: 才会停止。

如何使正则表达式在第一次出现 J[0-9]7 时停止？

【问题讨论】：

项目名称：[^\n]*\n(J[0-9]7)

【参考方案1】：

通过在 .* 后面添加“?”使 .* 不贪婪：

Project name:\s+(.*?)\s+J[0-9]7:

【参考方案2】：

在这里使用非贪婪量词可能是最好的解决方案，也因为它比贪婪替代方案更有效：贪婪匹配通常会尽可能远（这里，直到文本结尾！）然后回溯一个接一个的字符来尝试匹配后面的部分。

但是，请考虑改用否定字符类：

Project name:\s+(\S*)\s+J[0-9]7:

\S 表示“除了空格之外的所有内容，这正是您想要的。

【讨论】：

如果可以实现，贪婪的负（或正）字符类通常会比惰性量词表现得更好。懒惰要求引擎逐个字符向前跟踪，检查每次遵循的模式，直到匹配；贪婪的字符类可以盲目地重复所需的字符，这可以快得多。因此，您可能会考虑为否定字符类制定更强有力的案例，因为这是贪婪与懒惰的规范。

【参考方案3】：

好吧，".*" 是一个贪心选择器。您可以通过使用".*?" 使其不贪婪。当使用后一种构造时，正则表达式引擎将在每一步将文本匹配到"." 中，尝试匹配".*?" 之后的任何内容。这意味着，如果".*?" 之后没有任何内容，则它不会匹配任何内容。

这是我使用的。 s 包含您的原始字符串。此代码是 .NET 特定的，但大多数正则表达式都有类似的内容。

string m = Regex.Match(s, @"Project name: (?<name>.*?) J\d+").Groups["name"].Value;

【参考方案4】：

我还建议您使用“Expresso”来试验正则表达式 - 它是一个用于正则表达式编辑和测试的出色（免费）实用程序。

它的一个优点是它的 UI 公开了许多不熟悉 regex 的人可能不熟悉的 regex 功能，以方便他们学习这些新概念。

例如，当使用 UI 构建正则表达式并选择“*”时，您可以选中“尽可能少”复选框并查看生成的正则表达式，并测试其行为，即使您以前不熟悉非贪婪的表达方式。

可在他们的网站上下载： http://www.ultrapico.com/Expresso.htm

快速下载： http://www.ultrapico.com/ExpressoDownload.htm

【讨论】：

已经有一些很棒的网站了。我宁愿访问书签也不愿在我的计算机上安装其他程序。

【参考方案5】：

(项目名称:\s+[AZ]:(?:\\w+)+.[a-zA-Z]+\s+J[0-9]7)(?=:)

这对你有用。

添加 (?:\\w+)+.[a-zA-Z]+ 将比 .* 更具限制性