正则表达式“(aa)+\1”如何匹配“aaaaaa”？

Question

谁能解释正则表达式引擎匹配(aa)+\1 和aaaaaa 的过程？我知道当您使用+ 或* 时有一个称为回溯的过程，但我不确定它在此示例中是如何工作的。

Answer 1

当您将量词放在捕获组之外时，它不会捕获与带有量词的该模式匹配的整个字符串。它只是匹配模式匹配的最后一个重复。

所以，(aa)+ 不会在捕获组中捕获 aaaa，而只是捕获最后一对 - aa，这样它就可以满足正则表达式模式的其余部分。

因此，对于 (aa)+\1，模式首先匹配 - aaaa，然后反向引用 \1 匹配捕获的组 - aa。因此匹配字符串 - aaaaaa。不是(aa)+ 不会匹配所有a's，因为这样就没有任何东西可以被\1 匹配。

这是正则表达式(aa)+\1的分解：

• (aa)+ 匹配字符串中的前两个 aa。剩余字符串 - aaaa。
• (aa)+ 还要匹配更多内容，所以继续匹配下一个 aa。剩余字符串 - aa。
• 再次(aa)+ 可以匹配剩余的字符串。所以它匹配下一个aa。剩余字符串 - ""。请记住，量词默认行为贪婪。它们会尽可能匹配。
• 现在，(aa)+ 无法再匹配了。
• 模式中的下一个是\1。但是没有什么可以匹配的了。
• 回溯与(aa)+ 匹配的最后一个模式。剩余字符串 - "aa"。
• 现在\1 再次尝试匹配，它成功匹配aa，因为这是当前在第一个^st 捕获组中的内容。

---

参考资料：

• Regular-Expressions.info - Catastrophic Backtracking

Answer 2

+ 量词表示“1 或更多”。 \1 指的是捕获的组，这与量词所指的相同。如此有效，它是在说“aa 组，1 次或多次，然后再进行一次”。与“2次或多次”相同。

所以正则表达式可能会更清晰：/(aa){2,}/

由于aaaaaa 是aa 组的三组，正则表达式匹配字符串。

Answer 3

场景：

aa           # the group is matched
aaaa         # the group is repeated once, cause the + quantifier
aaaaaa       # the group is repeated once again, always cause 
             # the + quantifier (and because it is greedy and take all it can.)
             # But since all the characters are eaten, and there is \1
             # the pattern will fail.
aaaa         # the regex engine must backtrack to try another way because of \1
aaaaaa       # you are arrived! (the 2 last "a" are for the \1

您可以使用禁止回溯的所有格量词 (++) 来验证此行为：

(aa)++\1            # will never match