所有格量词贪婪,拒绝回溯。一个正则表达式/.{1,3}+b/
应该意味着:匹配除换行符以外的任何字符,1到3次,尽可能多,不要回溯。然后匹配字符b
。
在这个例子中:
'ab'.sub /.{1,3}+b/, 'c' #=> "c"
不应发生替代,这与事实相反。
这两个例子的结果是不同的:
'aab'.sub /.{0,1}+b/, 'c' #=> "c"
'aab'.sub /.?+b/, 'c' #=> "ac"
与Scala比较,它们给出相同的答案:
scala> ".{0,1}+b".r.replaceAllIn("aab", "c")
res1: String = ac
scala> ".?+b".r.replaceAllIn("aab", "c")
res2: String = ac
这是一个Ruby bug,还是有可能激发这种行为?也许,由于某种原因,Oniguruma实现了所有的量词?
, *
, +
除了通用量词{m,n}
?如果是这样,为什么呢?
真实情况
似乎+
后跟范围量词没有为范围量词提供所有格属性。相反,它被视为前面的任何东西重复一次或多次。以.{1,3}+b
为例,它将等同于(?:.{1,3})+b
。
您可以使用更一般的构造非回溯组(或原子组)(?>pattern)
来解决这个问题。让我们以一般情况pattern{n,m}+
为例,构建具有非回溯组的等效regex(相当于Java与pattern{n,m}+
匹配时的行为):
(?>(?>pattern){n,m})
为什么是2级非回溯组?2是必要的,因为:
- 当找到
pattern
的匹配(一个重复的实例)时,不允许在pattern
中回溯。(注意,只要没有找到实例,就允许在pattern
内回溯)。这是用内部非回溯组来模拟的。 - 当无法找到
pattern
的实例时,不允许回溯以删除任何实例。这是在外部非回溯组中模拟的。
我不确定这里是否有任何警告。
如果您发现任何没有使用此方法模拟的情况,请给我留言。测试测试1 首先,我测试了这个正则表达式:(.{1,3}+)b
最初,我在没有捕获组的情况下进行了测试,但结果非常令人惊讶,因此我需要捕获组来确认发生了什么。
输入:
2343333ab
结果是整个字符串匹配,并且捕获组捕获2343333a
(末尾没有b
)。这表明上限不知何故被打破了。
DEMO at rubular
测试2第二个测试揭示了范围量词{n}
的行为如何不能被修改为所有格,这很可能也适用于其他范围量词{n,}
和{n,m}
。相反,下面的+
将只显示一个或多个时间行为的重复。
(我最初的结论是+
覆盖上限,但事实证明是错误的)。
测试正则表达式:
(.{3}+)b
输入字符串:
23d4344333ab
234344333ab
23434433ab
捕获组1捕获的匹配项都是3的倍数。从上到下,regex分别为输入字符串跳过2、1、0个字符。
带注释的输入字符串([]
表示整个正则表达式的匹配,()
表示捕获组1捕获的文本):
23[(d4344333a)b]
2[(34344333a)b]
[(23434433a)b]
DEMO at rubular
围绕
工作的测试代码这是Java中的测试代码,用于显示外部和内部非回溯组都是必要的。 ideone
class TestPossessive {
public static void main(String args[]) {
String inputText = "123456789012";
System.out.println("Input string: " + inputText);
System.out.println("Expected: " + inputText.replaceFirst("(?:\d{3,4}(?![89])){2,}+", ">$0<"));
System.out.println("Outer possessive group: " + inputText.replaceFirst("(?>(?:\d{3,4}(?![89])){2,})", ">$0<"));
System.out.println("Inner possessive group: " + inputText.replaceFirst("(?>\d{3,4}(?![89])){2,}", ">$0<"));
System.out.println("Both: " + inputText.replaceFirst("(?>(?>\d{3,4}(?![89])){2,})", ">$0<"));
System.out.println();
inputText = "aab";
System.out.println("Input string: " + inputText);
System.out.println("Expected: " + inputText.replaceFirst(".{1,3}+b", ">$0<"));
System.out.println("Outer possessive group: " + inputText.replaceFirst("(?>.{1,3})b", ">$0<"));
System.out.println("Inner possessive group: " + inputText.replaceFirst("(?>.){1,3}b", ">$0<"));
System.out.println("Both: " + inputText.replaceFirst("(?>(?>.){1,3})b", ">$0<"));
}
}
这似乎是在Oniguruma。文档显示{n,m}+, {n,}+, {n}+ are possessive op. in ONIG_SYNTAX_JAVA only
。我猜这是因为向后兼容性的原因,还是?