多行 PCRE w\lookahead，问题计数匹配答案

【问题标题】：Multi-line PCRE w\ lookahead, issue counting matches多行 PCRE w\lookahead，问题计数匹配
【发布时间】：2018-02-23 23:41:29
【问题描述】：

我正在尝试执行一个匹配的正则表达式，如果单词 cat 和 dog 都在正则表达式中，并且具有多行支持的任意顺序

matches

cat asdjfaldsfj dog
####
does NOT match

cat adfasdf8989
####
matches

dog adlsjf88989 cat
####
matches

cat asdf8a89sdf8
a sdf asd f ads f ads fasdf
dog  a dsf ads fads f
asdfadsfadsf

我使用的正则表达式非常简单

/^(?=.*\bcat\b)(?=.*\bdog\b).*$/gs

问题是这只找到第一次出现，因为它是贪婪的。我真的希望以下计算两个匹配项，但它只匹配一次

cat asdf8a89sdf8
a sdf asd f ads f ads fasdf
dog  a dsf ads fads f
asdfadsfadsf
cat asdf8a89sdf8
a sdf asd f ads f ads fasdf
dog  a dsf ads fads f
asdfadsfadsf

即使没有第二组 cat STUFF dog STUFF，正则表达式仍然匹配到最后。

我正在使用 regex101.com 进行测试。

【问题讨论】：

这是 Perl 还是 PCRE？你标记了两者，说 PCRE，但是使用 Perl 匹配操作符。

标签： regex perl optimization pcre

【解决方案1】：

主要问题不在于您使用了贪婪的量词；那是您正在使用^ 锚以及前瞻和.*。该模式将别无选择，只能匹配所有内容或不匹配任何内容。

相反，只需放弃前瞻方法并将 cat 和 dog 与两者之间的任何内容匹配，或者相反：

/cat.*?dog|dog.*?cat/gs

在这种情况下，您实际上确实需要使用 ? 指定惰性量词，否则它将像您担心的那样将所有匹配项当作一个匹配项来抓取。

https://regex101.com/r/nv9Nj7/1

【讨论】：

“猫”和“狗”就是一个例子。假设我想以任意顺序查找“cat”、“dog”、“bird”、“fish”。然后我将不得不进行前瞻或大量排列。
啊，以为你最多只有两个。在那种情况下，是的，这个解决方案的可扩展性不是很高。

【解决方案2】：

只是一个建议，但也许这比复杂的正则表达式更具可读性

use List::MoreUtils 'all';

my @things = qw( cat dog bird fish );

for my $line ( @lines ) {
    if ( all { $line =~ / \b $_ \b /x } @things ) {
        # DO STUFF
    }
}

all 函数是List::MoreUtils 的一部分，但也可用于List::AllUtils 和List::SomeUtils

这个实现依赖于你逐行处理你的字符串，所以你可能会做类似for my line ( split(/\n/, $string) ) { ... }的事情

【讨论】：

【解决方案3】：

CAustin 的回答可以简化为：

/(cat|dog).*?(?!\1)(?:cat|dog)/gs

这更容易扩展到更多的字符串。有 4 个字符串：

/(cat|dog|bird|fish).*?(?!\1)(cat|dog|bird|fish).*?(?!\1|\2)(cat|dog|bird|fish).*?(?!\1|\2|\3)(?:cat|dog|bird|fish)/gs

并限制一些无用的回溯：

/(cat|dog|bird|fish)(?>.*?(?!\1)(cat|dog|bird|fish))(?>.*?(?!\1|\2)(cat|dog|bird|fish))(?>.*?(?!\1|\2|\3)(?:cat|dog|bird|fish))/gs

【讨论】：