Python 正则表达式 : force greedy match using alternation

Question

我有一个正则表达式:

a(bc|de|def)g?

在字符串 adefg 上，此模式仅匹配到“ade”，并且它显然会在交替组中的第一个匹配项上退出。从“g”标记中删除 ? 选项允许模式匹配整个字符串。这是有道理的，因为“？”是非贪婪的。 [编辑:我已被纠正，“？” 是贪婪的，这似乎增加了我的困惑。在我看来，如果“？”是非贪婪的，这允许模式在更大的匹配可用时提前退出。]

我想避免在交替中重新排列字符串的顺序，我可以通过将 (\b|$) 附加到模式来解决问题，但现在我真的很想知道是否还有其他解决方案

例如，有什么方法可以使“？”贪婪还是强制交替不在第一场比赛中退出？

Answer 1

你不能让 | 不从左到右匹配它的成分，因为从左到右匹配的是它的 documented行为。即使你可以让 ? 变得“贪婪”，它也行不通，因为正则表达式从头到尾匹配，所以 ? 的贪婪不可能有直到交替已经匹配之后才会产生效果。

贪婪不会让正则表达式引擎回头寻找“更好的方式”来匹配；它将尽可能匹配第一种方式。它只会使用 g? 如果它必须这样做才能使整个匹配成功，并且如果它可以忽略它并坚持匹配的内容则不必这样做在交替。换句话说，一旦它匹配“ade”，它就可以成功并停止(因为它不需要匹配“g”，因为它是可选的)。因此它甚至不考虑交替的其他部分，因为它可以找到一种方法使其使用第一个部分工作。一个贪婪的 ? 不会让它返回并重试它已经匹配的其他东西，除非它需要整个匹配才能成功。

如果您使用的交替是某些交替是其他交替的子串，则应将它们按顺序排列，以便最长的排在第一位。

另一种可能性是在正则表达式的末尾添加一个$。这将强制它一直走到字符串的末尾，因此它将回溯并尝试其他替代方案，因为现在“ade”将不匹配(因为它不匹配匹配 $)。但是，这仅在您确实想要匹配整个字符串时才有效。