正则表达式表现得很懒惰，应该是贪婪的答案

【问题标题】：Regex is behaving lazy, should be greedy正则表达式表现得很懒惰，应该是贪婪的
【发布时间】：2010-03-07 02:23:41
【问题描述】：

我认为默认情况下我的 Regex 会表现出我想要的贪婪行为，但它不在以下代码中：

 Regex keywords = new Regex(@"in|int|into|internal|interface");
 var targets = keywords.ToString().Split('|');
 foreach (string t in targets)
    {
    Match match = keywords.Match(t);
    Console.WriteLine("Matched {0,-9} with {1}", t, match.Value);
    }

输出：

Matched in        with in
Matched int       with in
Matched into      with in
Matched internal  with in
Matched interface with in

现在我意识到，如果我只是按长度降序对关键字进行排序，我可以让它在这个小例子中工作，但是

我想了解为什么会这样没有按预期工作，并且
我正在做的实际项目在正则表达式中有更多的词和把它们留在里面很重要按字母顺序。

所以我的问题是：为什么这是懒惰的，我该如何解决？

【问题讨论】：

我不确定您的实际用法是否更复杂，但如果上面的示例实际上是您正在做的事情，我认为循环遍历查找的单词列表会好一千倍与 IndexOf 方法匹配。如果正则表达式只是交替包含一堆单词，性能可能会很糟糕。
@Josh - 不，示例已简化。实际的应用程序正在读取语言文件以生成词法分析器和语法分析器。我的正则表达式有点生疏；我的问题现在看起来很明显！
@Josh：正则表达式引擎可以针对这种情况进行很多优化，包括在未能匹配公共前缀后丢弃许多检查。例如，如果第一个字符不是“i”，则不会检查以“i”开头的任何分支。不确定 .NET 引擎是否会这样做，但如果没有，我会感到惊讶。
@Max，它确实构建了状态转换以加快匹配速度。如果 .Net 与其他长期建立和完善的正则表达式引擎相比，这是我所收集到的争论的问题。但它确实比 IndexOf 表现更好。（我已经在工作中循环运行，以证明为什么同事应该使用正则表达式而不是 IndexOf... 根据匹配的内容，您可以获得数量级的速度提升。）

标签： regex greedy non-greedy regex-greedy alternation

【解决方案1】：

惰性和贪婪仅适用于量词（?、*、+、{min,max}）。交替总是按顺序匹配并尝试第一个可能的匹配。

【讨论】：

除了重新订购没有其他选择了吗？嗯……我想我可以即时重新排序，这样我就可以按字母顺序保留定义……
@Stomp：是的，可以做到。在程序中保持列表按字母顺序排列，在实际应用之前，您可以按长度对其进行排序。

【解决方案2】：

您似乎是在尝试断句。为此，您需要整个表达式正确，而您当前的表达式不是。试试这个吧..

new Regex(@"\b(in|int|into|internal|interface)\b");

“\b”表示匹配单词边界，并且是零宽度匹配。这是依赖于语言环境的行为，但通常这意味着空格和标点符号。作为一个零宽度匹配，它不会包含导致正则表达式引擎检测到单词边界的字符。

【讨论】：

添加\b 将引发所需的行为，但您误解了它的工作原理。 \b 是一个零宽度断言，如 ^、$ 和环视；它不是匹配一个字符，而是匹配一个字符之前或之后的假想间隙。如果第一个或最后一个字符（分别）是单词字符，则字符串的开头或结尾自动成为单词边界，因此您的第二个正则表达式只是第一个正则表达式的更详细版本。
@Alan，我尝试执行代码，显然你是对的。我需要仔细检查工作中的代码，看看我们在那里做了什么……也许我们使用的是\W而不是\b。我知道我们在类似的情况下得到了某种“非单词”字符，我知道我们设置了一些时髦的中午捕捉组。至于它是区域敏感的，这将是这种情况，因为单词边界将根据标点符号的作用而不同。
@Alan，我修改了答案以反映您的反馈。

【解决方案3】：

根据RegularExpressions.info，正则表达式为eager。因此，当它通过您的piped expression 时，它会在第一个稳定匹配时停止。

我的建议是将所有关键字存储在一个数组或列表中，然后在需要时生成已排序的管道表达式。只要您的关键字列表不变，您只需执行一次。只需将生成的表达式存储在某种单例中并在正则表达式执行时返回。

【讨论】：

@Jeras - 感谢您的链接！我在 MSDN 上搜索，一定错过了它急切地寻找第一个匹配项。