【问题标题】：regex optional group is skipped正则表达式可选组被跳过
【发布时间】：2013-11-19 09:35:52
【问题描述】：

我正在尝试在必需组中捕获可选组。到目前为止，这是我的正则表达式：

BEGIN
(?<body>
     (?<A>.*?)               # in my regex just .*?
     (?<B>START.*?STOP)?
     (?<C>.*?)               # in my regex just .*?
)
END

输入：

junk1 BEGIN junk2 START content STOP junk3 END junk4

我明白了：

match: 'BEGIN junk2 START content STOP junk3 END' # ok
group 'body':  ' junk2 START content STOP junk3 ' # ok
group 'A': ''                                     # expected: ' junk2 '
group 'B': not found                              # expected: 'START content STOP'
group 'C': ' junk2 START content STOP junk3 '     # expected: ' junk3 '

A 组和 C 组仅供参考

为什么即使有正确的数据，B组也不匹配，如果B组不是可选的，我会得到预期的结果？

【问题讨论】：

你的意思是在(?<B>START.*?END)?中写STOP而不是END，对吧？

标签： c# regex optional regex-group

【解决方案1】：

为什么它不起作用

您必须对正则表达式引擎和backtracking 的工作原理有一些基本的了解。在这种情况下，它是这样的：

(?<A>.*?) 组将在第一次尝试时匹配空字符串（这就是表达式的含义：如果需要，空字符串或更多）。

然后我们就在BEGIN之后进入B组，因为这里没有START，整个内部组将失败，并且可选组将被跳过。

组C 将匹配空字符串。然后我们尝试匹配END，不匹配。因此，正则表达式引擎将尝试回溯最后一个量词。在这种情况下，在组 C 中。它会一直这样做，直到找到匹配项（或尝试之前的量词，直到失败）。

所以我们最终将组 C 扩展到 END，然后整个表达式匹配。

示例解决方案

如果START/STOP 不允许出现在可选组中的 except 中，则可以制定一个简单的解决方案，您可以使用如下表达式：

BEGIN
(?<body>
     (?<A>
          (?: (?!START|STOP) . )*?   # do not match START nor STOP
     )
     (?<B>START.*?STOP)?
     (?<C>
          (?: (?!START|STOP) . )*?   # do not match START nor STOP
     )
)
END

【讨论】：

这个解决方案很完美，谢谢。 - 但是如果正则表达式中的 START 也是正则表达式 - 有没有办法只定义一次 START 正则表达式？
@CzBuCHi，在 .NET 正则表达式中无法做到这一点。但如果你愿意，你可以避免重复太多。例如，您可以将旧表达式用于组 A。

【解决方案2】：

在 c# 中，模式匹配由正则表达式模式（更多 here）驱动，而不是输入文本。因此，发生的情况是 A 组不需要匹配任何内容，因此决定延迟，B 组不需要匹配任何内容，因此决定延迟，C 组不需要匹配任何内容，但到达正则表达式的结尾。组 C 与输入字符串匹配，并分配您期望在组 B 中的所有内容。如果您使用从右到左的模式匹配，所有内容都将分配给组 A。

【讨论】：

【解决方案3】：

模式中较早的构造优先于模式中较晚的构造，惰性量词 (*?) 优先考虑较短的匹配。所以最好的匹配永远是不匹配A 组的任何东西，并且由于START 在第一个位置无法匹配，它将被跳过。最后C 组将吃掉字符串的其余部分，因为END 不是可选的。

改用这个：

BEGIN
(?<body>
    (?<A>.*?)
    (?:
        (?<B>START.*?STOP)
        (?<C>.*?)
    )?
)
END

它将强制A 组尽可能多地进食，直到B 的第一场比赛（如果存在）。

【讨论】：