正则表达式不够贪婪

Question

我有以下正则表达式，它在出现新情况之前运行良好

^.*[?&]U(?:RL)?=(?<URL>.*)$

基本上，它用于 URL，抓取 U= 或 URL= 之后的所有内容并在 URL 匹配中返回它

所以，对于以下

http://localhost?a=b&u=http://otherhost?foo=bar

网址 = http://otherhost?foo=bar

不幸的是，出现了一个奇怪的案例

http://localhost?a=b&u=http://otherhost?foo=bar&url=http://someotherhost

理想情况下，我希望 URL 为“http://otherhost?foo=bar&url=http://someotherhost”，而不是“http://someotherhost”

编辑:我认为这解决了它......虽然它不漂亮

^.*[?&](?<![?&]U(?:RL)?=.*)U(?:RL)?=(?<URL>.*)$

Answer 1

问题

问题不在于 .* 不够贪心；就是前面出现的other .*也是也是贪心的。

为了说明这个问题，让我们考虑一个不同的例子。考虑以下两种模式；它们是相同的，除了第二个模式中的 \1 不情愿:

              \1 greedy, \2 greedy         \1 reluctant, \2 greedy
              ^([0-5]*)([5-9]*)$           ^([0-5]*?)([5-9]*)$

这里我们有两个捕获组。 \1 捕获 [0-5]*，\2 捕获 [5-9]*。以下是这些模式匹配和捕获的内容的并排比较:

              \1 greedy, \2 greedy          \1 reluctant, \2 greedy
              ^([0-5]*)([5-9]*)$            ^([0-5]*?)([5-9]*)$
Input         Group 1    Group 2            Group 1    Group 2
54321098765   543210     98765              543210     98765
007           00         7                  00         7
0123456789    012345     6789               01234      56789
0506          050        6                  050        6
555           555        <empty>            <empty>    555
5550555       5550555    <empty>            5550       555

注意，像 \2 一样贪婪，它只能抢到 \1 没有先抢到的东西!因此，如果你想让 \2 尽可能多地抓取 5，你必须让 \1 不情愿，所以 5 实际上是由 \2 来获取的。

附件

• The first pattern on rubular.com
• The second pattern on rubular.com

相关问题

• Regular expression: who's greedier

---

修复

因此，将此应用于您的问题，有两种方法可以解决此问题:您可以让第一个 .* 不情愿，所以 (see on rubular.com):

^.*?[?&]U(?:RL)?=(?<URL>.*)$

或者你可以完全去掉前缀匹配部分(see on rubular.com):

[?&]U(?:RL)?=(?<URL>.*)$