javascript - 正则表达式仅捕获匹配中捕获组的最后一个实例

Question

我在两种不同的语言(JavaScript 和 Flash)中使用以下正则表达式产生相同的奇怪结果。我想知道的不是如何修复它，而是为什么会出现这种行为？

正则表达式:

\[(\\{2}|\\\]|[^\]])*\]

这里的目标是匹配括号内的字符串，并确保我不会在转义的括号处停止。

如果我有文本输入 [abcdefg] 它是正确匹配的，但作为捕获组的一部分返回的唯一内容是 g，正如我所期望的那样 abcdefg。如果我将表达式更改为\[((?:\\{2}|\\\]|[^\]])*)\]，然后我得到我想要的结果。

那么为什么会这样呢？这在其他语言中是否一致？

注意:将表达式简化为 \[([^\]])*\] 会产生同样的问题。

Answer 1

不管问题如何，ActionScript 和 JavaScript 应该始终产生相同的结果，因为它们都实现了 ECMAScript(或其超集，但对于正则表达式它们不应该不一致)。

但是，是的，这将以任何语言(或者更确切地说是任何正则表达式风格)发生。原因是您正在重复捕获组。让我们举一个更简单的例子:将 (.)* 与 abc 匹配。所以我们要重复的是(.)。第一次尝试时，引擎进入组，将 a 与 . 匹配，离开组并捕获 a。直到现在量词才起作用，它重复了整个过程。于是我们再次入组，匹配捕获b。此捕获覆盖了前一个，因此 \1 现在包含 b。第三次重复同样如此:捕获将被 c 覆盖。

我不知道有哪一种正则表达式有不同的表现，唯一能让您访问所有以前的捕获(而不是仅仅覆盖它们)的是 .NET。

解决方案是 p.s.w.g.建议的。使重复非捕获所需的分组(这将提高性能，因为无论如何您都不需要所有捕获和覆盖)并将整个事物包装在一个新组中。你的表达虽然有一个小缺陷:你需要在否定字符类中包含反斜杠。否则，回溯可能会在 [abc\] 中为您提供匹配项。所以这里有一个表达式可以如您所愿地工作:

\[((?:\\{2}|\\\]|[^\]\\])*)\]

Working demo. (不幸的是，它没有显示捕获，但它表明它在所有情况下都给出了正确的匹配)

请注意，您的表达式不允许使用其他转义序列。特别是单个 \ 后跟除 ] 以外的任何内容都会导致您的模式失败。如果这不是您想要的，您可以使用:

\[((?:\\.|[^\]\\])*)\]

Working demo.

使用 "unrolling-the-loop" 可以进一步提高性能技术:

\[([^\]\\]*(?:\\.[^\]\\]*)*)\]

Working demo.