c# - 反向引用是否需要在它们引用的组之后？

Question

在为 this answer 运行一些测试时，我注意到以下意外行为。这将删除所有出现的 <tag>在第一个之后:

var input = "<text><text>extra<words><text><words><something>";
Regex.Replace(input, @"(<[^>]+>)(?<=\1.*\1)", "");
// <text>extra<words><something>

但这不会:

Regex.Replace(input, @"(?<=\1.*)(<[^>]+>)", "");
// <text><text>extra<words><text><words><something>

同样，这将删除所有出现的 <tag>在最后之前:

Regex.Replace(input, @"(<[^>]+>)(?=.*\1)", "");
// extra<text><words><something>

但这不会:

Regex.Replace(input, @"(?=\1.*\1)(<[^>]+>)", "");
// <text><text>extra<words><text><words><something>

所以这让我开始思考......

在 .NET 正则表达式引擎中，反向引用是否需要出现在它引用的组之后？或者这些模式是否有其他原因导致它们不起作用？

Answer 1

你的问题也让我思考，所以我用 RegexBuddy 进行了一些测试令我惊讶的是第二个正则表达式 (?<=\1.*)(<[^>]+>)你说没用的实际上有用，其他的和你说的完全一样。然后我在 C# 代码中尝试了相同的表达式 - 第二个 - 但它没有像您身上发生的那样工作。

这让我感到困惑，然后我注意到我的 RegexBuddy 版本可以追溯到 2008 年，所以 .NET 引擎的工作方式肯定有一些变化，但这揭示了一个我认为是合理的事实，似乎在 2008 年之前，lookbehinds 在表达式的其余部分匹配后进行评估。我觉得这种行为对于 lookbehinds 来说是可以接受的，因为你需要先匹配一些东西，然后再向后看以匹配它之前的东西。

然而，现在的引擎似乎在遇到它们时会评估环视，我能够通过使用以下表达式找到它，这就像你的情况相反:

(?<=(\w))\1

如您所见，我在正则表达式中捕获了一个单词字符并在其外部引用了它。我在字符串 hello 上测试了这个它在第二个 l 匹配符合预期的字符，这证明在尝试匹配表达式的其余部分之前执行了回溯。

结论:是的，反向引用需要出现在它引用的组之后，否则将没有匹配的语义。