使用连续 \d 和 \w 时了解正则表达式的行为 [重复]

Posted 2023-02-19

【中文标题】使用连续 \\d 和 \\w 时了解正则表达式的行为 [重复]

【英文标题】：Understanding behavior of regex when using consecutive \d and \w [duplicate]使用连续 \d 和 \w 时了解正则表达式的行为 [重复]

【发布时间】：2021-01-25 03:51:42

【问题描述】：

我试图了解regex 在连续使用\d 和\w 来匹配句子中的单词和数字时的行为。我搜索了类似的问题，但找不到合适的匹配项（如果有重复，请告诉我）。

# Example sentence
"Adam has 100 friends. Bill has 23 friends. Cindy has 5 friends."

当我使用正则表达式 [A-Za-z]+\s\w+\s\d+\w 时，它会返回匹配项：

Adam has 100 Bill has 23

但不适合

Cindy has 5

因为贪婪搜索的数字 (\d+) 后面没有任何单词字符 (\w)，所以我本来预计根本没有匹配项；它们后面跟着一个空格。我认为，不知何故，\w 在第一次出现任何数字之后匹配数字。我以为\d+ 会用尽搜索中的数字。你能帮我理解这里发生了什么吗？

谢谢

【问题讨论】：

您能说明一下您期望得到什么样的答案吗？解释模式是如何工作的？那就看regex101.com/r/LWD5hM/1/debugger

你好维克托。我最初并不理解这种行为，因为我不知道回溯以通过贪婪匹配来容纳更多的查询模式。下面的答案澄清了这一点。感谢您的链接！

【参考方案1】：

我认为 \d+ 会用尽搜索中的数字长度

不，事实并非如此。 \d+ 在下一个 \w 之前匹配尽可能多的数字（也匹配数字，即[a-zA-Z_0-9]）强制正则表达式引擎回溯一个位置，以便\w 可以匹配一个单词字符。

如果您不希望发生这种回溯，请使用possessive quantifier ++：

[A-Za-z]+\s\w+\s\d++\w

但请注意，\d++w 模式在所有 3 种情况下总是会失败，因为 \d++ 不会回溯，\w 将永远无法匹配数字。

这种模式只有在结尾有像Chapter is 23A这样的非数字单词字符时才会成功。

RegEx Demo

【讨论】：

因为并非所有正则表达式都支持所有格量​​词，所以原子组可能是更通用的解决方案。

是的，但即使是原子组也不支持所有正则表达式风格

@Atakan：仅供参考[A-Za-z]+\s\w+\s(?>\d+)\w 是使用原子组的正则表达式