ruby - 占有泛型量词 {m,n}+ 未在 Ruby 1.9.3 中实现？

Question

所有格量词是贪婪的，拒绝回溯。正则表达式 /.{1,3}+b/ 应该表示:匹配除换行符之外的任何字符，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"

与事实相反，不应进行替换。

这两个例子的结果不同:

'aab'.sub /.{0,1}+b/, 'c'   #=> "c"
'aab'.sub /.?+b/, 'c'       #=> "ac"

将此与 Scala 进行比较，他们给出相同的答案:

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 错误，还是有可能激发这种行为？也许，出于某种原因，Oniguruma 实现了所有量词 ?、*、+ 除了通用量词 {m,n}？如果是这样，为什么？

Answer 1

到底发生了什么

+ 后跟范围量词似乎没有为范围量词提供占有 属性。相反，它被视为前面重复一次或多次的任何内容。以.{1,3}+b为例，它将等同于(?:.{1,3})+b.

解决方法

您可以使用更通用的构造非回溯组(或原子 分组)(?>pattern) 来解决这个问题。让我们以一般情况 pattern{n,m}+ 为例，构造等价的带非回溯组的正则表达式(等价于 Java 在匹配 pattern{n,m} 时的行为+):

(?>(?>pattern){n,m})

为什么有 2 层非回溯组？ 2 是必需的，因为:

• 当找到 pattern 的匹配项(一个重复实例)时，不允许在 pattern 内回溯。 (请注意，只要未找到实例，就允许在 pattern 内回溯)。这是用内部非回溯组模拟的。
• 当找不到更多的 pattern 实例时，不允许回溯以删除任何实例。这是用外部非回溯组模拟的。

我不确定这里是否有任何警告。如果您发现任何案例未使用此方法模拟，请通过评论联系我。

测试

测试 1

起初，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测试，但结果令人惊讶，我需要捕获组来确认发生了什么。}

在此输入上:

2343333ab

结果是整个字符串匹配，捕获组捕获了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占有，并且这很可能也适用于其他范围量词 {n,} 和 {n,m}。相反，以下 + 只会表现出重复 1 次或多次行为。

_{(我初步的结论是+覆盖了上限，结果证明是错误的)。}

测试正则表达式:

(.{3}+)b

输入字符串:

23d4344333ab
234344333ab
23434433ab

捕获组1中捕获的匹配项都是3的倍数。从上到下，正则表达式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([]表示匹配整个正则表达式，()表示捕获组1捕获的文本):

23[(d4344333a)b]
2[(34344333a)b]
[(23434433a)b]

DEMO at rubular

解决问题的测试代码

这是Java中的测试代码，表明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<"));
  }
}