为啥回顾中的有限重复在某些情况下不起作用？

Posted 2023-04-13

技术标签:

【中文标题】为啥回顾中的有限重复在某些情况下不起作用？【英文标题】：Why doesn't finite repetition in lookbehind work in some flavors?为什么回顾中的有限重复在某些情况下不起作用？ 【发布时间】：2011-03-10 17:26:20 【问题描述】：

我想从 dd/mm/yy 格式的日期解析中间的 2 位数字，但也允许单个数字表示日期和月份。

这是我想出的：

(?<=^[\d]1,2\/)[\d]1,2

我想要一个 1 位或 2 位数字 [\d]1,2 和一个 1 位或 2 位数字并在其前面加上斜线 ^[\d]1,2\/。

这对很多组合都不起作用，我测试过10/10/10、11/12/13 等...

但令我惊讶的是，(?<=^\d\d\/)[\d]1,2 奏效了。

但是如果\d\d 匹配，[\d]1,2 也应该匹配，还是我错了？

【问题讨论】：

我使用 C#，但在 Web 正则表达式测试器上测试了上述正则表达式。我不知道不同语言之间存在如此显着的差异。 【参考方案1】：

关于后视支持

主要的正则表达式风格有不同的lookbehind支持；有些施加了某些限制，有些甚至根本不支持。

javascript：不支持 Python：仅固定长度 Java：仅限有限长度 .NET：没有限制

参考文献

regular-expressions.info/Flavor comparison

Python

在仅支持固定长度后视的 Python 中，您的原始模式会引发错误，因为 \d1,2 显然没有固定长度。您可以通过交替使用两个不同的固定长度后视来“解决”这个问题，例如像这样：

(?<=^\d\/)\d1,2|(?<=^\d\d\/)\d1,2

或者也许您可以将两个后视作为非捕获组的替代：

(?:(?<=^\d\/)|(?<=^\d\d\/))\d1,2

（请注意，您可以只使用不带括号的\d）。

也就是说，使用捕获组可能更简单：

^\d1,2\/(\d1,2)

请注意，如果您只有一个组，findall 返回组 1 捕获的内容。捕获组比lookbehind 得到更广泛的支持，并且通常会导致更易读的模式（例如在这种情况下）。

这个 sn-p 说明了上述所有要点：

p = re.compile(r'(?:(?<=^\d\/)|(?<=^\d\d\/))\d1,2')

print(p.findall("12/34/56"))   # "[34]"
print(p.findall("1/23/45"))    # "[23]"

p = re.compile(r'^\d1,2\/(\d1,2)')

print(p.findall("12/34/56"))   # "[34]"
print(p.findall("1/23/45"))    # "[23]"

p = re.compile(r'(?<=^\d1,2\/)\d1,2')
# raise error("look-behind requires fixed-width pattern")

参考文献

regular-expressions.info/Lookarounds, Character classes, Alternation, Capturing groups

Java

Java 仅支持有限长度的lookbehind，因此您可以像在原始模式中一样使用\d1,2。下面的 sn-p 证明了这一点：

    String text =
        "12/34/56 date\n" +
        "1/23/45 another date\n";

    Pattern p = Pattern.compile("(?m)(?<=^\\d1,2/)\\d1,2");
    Matcher m = p.matcher(text);
    while (m.find()) 
        System.out.println(m.group());
     // "34", "23"

注意(?m) 是嵌入的Pattern.MULTILINE，因此^ 匹配每一行的开头。另请注意，由于 \ 是字符串文字的转义字符，因此您必须编写 "\\" 才能在 Java 中获得一个反斜杠。

C-夏普

C# 在lookbehind 上支持完整的正则表达式。以下 sn-p 显示了如何在后视中使用 + 重复：

var text = @"
1/23/45
12/34/56
123/45/67
1234/56/78
";

Regex r = new Regex(@"(?m)(?<=^\d+/)\d1,2");
foreach (Match m in r.Matches(text)) 
  Console.WriteLine(m);
 // "23", "34", "45", "56"

请注意，与 Java 不同的是，在 C# 中，您可以使用 @-quoted string，这样您就不必转义 \。

为了完整起见，以下是在 C# 中使用捕获组选项的方法：

Regex r = new Regex(@"(?m)^\d+/(\d1,2)");
foreach (Match m in r.Matches(text)) 
  Console.WriteLine("Matched [" + m + "]; month = " + m.Groups[1]);

鉴于之前的text，打印如下：

Matched [1/23]; month = 23
Matched [12/34]; month = 34
Matched [123/45]; month = 45
Matched [1234/56]; month = 56

相关问题

How can I match on, but exclude a regex pattern?

【讨论】：

【参考方案2】：

除非有特定原因使用问题中未提及的后视，否则如何简单地匹配整个事物并仅捕获您感兴趣的位？

JavaScript 示例：

>>> /^\d1,2\/(\d1,2)\/\d1,2$/.exec("12/12/12")[1]
"12"

【讨论】：

【参考方案3】：

引用regular-expressions.info：

坏消息是大多数正则表达式口味不允许你只使用向后看中的任何正则表达式，因为他们不能应用正则表达式向后。因此，常规表达式引擎需要能够计算退后几步在检查后视之前。

因此，许多正则表达式风格，包括 Perl 和 Python，只允许定长字符串。您可以使用任何正则表达式匹配的长度可以是预定的。这意味着您可以使用文字文本和字符类。您不能使用重复或可选项目。您可以使用交替，但仅当交替中的所有选项长度相同。

换句话说，您的正则表达式不起作用，因为您在后视中使用了可变宽度表达式，而您的正则表达式引擎不支持。

【讨论】：

【参考方案4】：

除了@polygenelubricants 列出的那些之外，“仅固定长度”规则还有两个例外。在 PCRE（php、Apache、et al 的正则表达式引擎）和 Oniguruma（Ruby 1.9、Textmate）中，后视可能由交替组成，其中每个备选可能匹配不同数量的字符，如只要每个备选方案的长度是固定的。例如：