regex - 正则表达式中的问号

Question

我正在阅读 regular expressions reference我在想？和 ？？人物。您能用一些例子解释一下它们的用处吗？我对它们的理解还不够。

谢谢

Answer 1

这是一个很好的问题，我花了一段时间才明白惰性 ?? 量词的意义。

？ - 可选(贪婪)量词

? 的用处很容易理解。如果您想同时查找 http 和 https，您可以使用如下模式:

https?

此模式将匹配两个输入，因为它使 s 成为可选。

?? - 可选(惰性)量词

?? 更微妙。它通常会执行与 ? 相同的操作。当您询问:“此输入是否满足此正则表达式？”时，它不会更改真/假结果；相反，它与问题相关:“此输入的哪一部分与此正则表达式匹配，以及哪些部分属于哪些组？” 如果输入可以通过多种方式满足模式，引擎将决定如何根据 ？ 与 对其进行分组?? (或 * 与 *?，或 + 与 +?)。

假设您有一组想要验证和解析的输入。这是一个(诚然愚蠢的)示例:

Input:       
http123
https456
httpsomething

Expected result:
Pass/Fail  Group 1   Group 2
Pass       http      123
Pass       https     456
Pass       http      something

你首先想到的是this:

^(http)([a-z\d]+)$

Pass/Fail  Group 1   Group 2    Grouped correctly?
Pass       http      123        Yes
Pass       http      s456       No
Pass       http      something  Yes

它们都通过了，但您不能使用第二组结果，因为您只需要第 2 组中的 456。

好吧，我们来 try again 吧。假设第 2 组可以是字母或数字，但不能同时是两者:

(https?)([a-z]+|\d+)

Pass/Fail  Group 1   Group 2   Grouped correctly?
Pass       http      123       Yes
Pass       https     456       Yes
Pass       https     omething  No

现在第二个输入没问题，但第三个输入分组错误，因为 ? 默认是贪婪的(+ 也是如此，但是 ? 首先出现)。在确定 s 是 https? 还是 [a-z]+|\d+ 的一部分时，如果结果是通过这样，正则表达式引擎将始终选择左侧的那个。因此，第 2 组输掉了 s，因为第 1 组吸收了它。

要解决这个问题，您可以创建 one tiny change :

(https??)([a-z]+|\d+)$

Pass/Fail  Group 1   Group 2    Grouped correctly?
Pass       http      123        Yes
Pass       https     456        Yes
Pass       http      something  Yes

本质上，这意味着:“如果必须的话，匹配 https，但看看当第 1 组只是 http 时，这是否仍然可以通过。”> 引擎意识到s可以作为[a-z]+|\d+的一部分工作，因此它更愿意将其放入组2。