javascript - 为什么一个简单的.*？非贪婪的正则表达式贪婪地在比赛前包含额外的字符？

Question

我有一个与此类似的非常简单的正则表达式:

HOHO.*?_HO_

有了这个测试字符串...

fiwgu_HOHO_HOHO_HOHOrgh_HOHO_feh_HOHO___HO_fbguyev

• 我希望它只匹配 _HOHO___HO_(最短匹配，非贪婪)
• 相反，它匹配 _HOHO_HOHO_HOHOrgh_HOHO_feh_HOHO___HO_(最长匹配，看起来很贪婪)。

为什么？我怎样才能让它匹配最短的匹配项？

添加和删除 ? 会得到相同的结果。

编辑 - 更好的测试字符串显示为什么 [^HOHO] 不起作用:fiwgu_HOHO_HOHO_HOHOrgh_HOHO_feh_HOHO_H_O_H_O_HO_fbguye

---

我能想到的是，也许它匹配了多次——但是 _HO_ 只有一次匹配，所以我不明白为什么它不采用结束于_HO_，丢弃其余部分。

我浏览了所有我能找到的标题为“非贪婪正则表达式贪婪”的问题，但它们似乎都有其他问题。

Answer 1

我在 Regex lazy vs greedy confusion 的帮助下找到了解决方案.

在 Javascript 使用的正则表达式引擎中(NFA engines 我相信)，非贪婪只会给你从左到右最短的匹配 - 从第一个左手匹配适合最近的右手匹配项。

如果一个右手匹配有很多左手匹配，它总是从它到达的第一个开始(实际上会给出最长匹配) .

本质上，它一次遍历字符串一个字符，询问“这个字符是否有匹配项？如果有，匹配最短的字符并结束。如果没有，移动到下一个字符，重复”。我预计它会是“此字符串中的任何位置是否有匹配项？如果有，则匹配所有匹配项中最短的一个”。

---

您可以通过将 . 替换为表示“不是左侧匹配”的否定来近似在两个方向上都非贪婪的正则表达式。至negate a string like this requires negative lookaheads and non-capturing groups ，但这就像将字符串放入 (?:(?!).) 一样简单。例如，(?:(?!HOHO).)

例如，HOHO.*?_HO_ 的左右非贪婪的等价物是:

HOHO(?:(?!HOHO).)*?_HO_

所以正则表达式引擎基本上是这样遍历每个字符的:

• HOHO - 这与左侧匹配吗？
• (?:(?!HOHO).)* - 如果是这样，我是否可以在不重复左侧的情况下到达右侧？
• _HO_ - 如果是这样，捕获所有东西直到右边的匹配
• ? 修饰符 * 或 + - 如果有多个右手匹配，选择最近的一个