为啥在使用带有量词的字符类时在反向引用中捕获最右边的字符？

Posted 2023-03-28

【中文标题】为啥在使用带有量词的字符类时在反向引用中捕获最右边的字符？

【英文标题】：Why is the rightmost character captured in backreference when using a character class with quantifiers?为什么在使用带有量词的字符类时在反向引用中捕获最右边的字符？

【发布时间】：2011-09-23 17:13:16

【问题描述】：

如果我有模式 ([a-z])2,4 和字符串“ab”，我希望在反向引用 \1 中看到什么？

我得到的是“b”，但为什么是“b”而不是“a”？

我确信有一个有效的解释，但是在各种解释正则表达式的网站上阅读，我还没有找到一个。有人吗？

【问题讨论】：

您通常也希望在重复因子周围加上括号 (([a-z]2,4))。否则，你会得到你所得到的（这就是你应得的）。为什么它应该是'a'而不是'b'？格式不正确；不完全错误，但写得不太好。

谢谢乔纳森。所以你是说这个操作的结果是不确定的，实现可以随意给我任何喜欢的东西？

你可以在这里找到解释：regular-expressions.info/brackets.html#repeat。当你在它的时候，阅读页面的其余部分，然后阅读网站的其余部分:)

排序：查看来自 Kobi 的不错的链接。我是说我真的不记得它是否是定义的和确定的，但链接说“是的，它是定义的和确定的——最后一个字符是被捕获的”。这个解释很有道理。

Kobi - 这个解释很完美，正是我想要的。非常感谢。

【参考方案1】：

我不确定为什么没有人将此作为答案，但对于任何访问此页面并提出类似问题的人来说，答案基本上就是这个正则表达式：

([a-z])2-4

将匹配a 和z 之间的单个 字符，至少2 和4 次。它将分别匹配每个字符，覆盖之前匹配并存储到反向引用中的任何内容（即表达式中() 字符之间的任何内容）。

类似的表达方式（在问题的cmets中建议）：

([a-z]2,4)

移动反向引用以包围整个匹配项（2-4 字符 a-z）而不是单个字符。

括号表示捕获到反向引用。当重复在捕获内部时（第二个示例），它将捕获构成该重复的所有字符。当重复在捕获之外时（第一个示例），它将捕获一个字母，然后重复该过程，将下一个字母捕获到相同的反向引用中，从而覆盖它。在这种情况下，它将重复该过程最多 2 次，每次都覆盖它。

因此，与目标 abc 匹配将导致 \1 等于 c。将目标与abcd 匹配将导致\1 等于d。如果有更多字母，并且取决于用于运行正则表达式的函数（和语言），目标abcde 可能无法匹配，或者可能导致反向引用\1 等于d（因为@987654341 @ 不是匹配的一部分）。

如果您使用whole match 反向引用（通常是$& 或$0，但也有\& 或\0 和在 Tcl 中，只是一个 & 字符） - 这将返回与整个正则表达式匹配的整个字符串。