为什么在 regex char 可选时找不到匹配项

Question

我对为什么会发生这种情况感到非常困惑，并希望有人能解释正则表达式引擎中发生的事情的机制。

在进行代码战练习时，“您的意思是……？”在 Javascript 中，我试图计算 word1 中有多少字符出现在 word2 中。我正在尝试将每个字符作为其自己的匹配组进行匹配，以便稍后我可以计算数组中成功匹配的数量，并使用它来找出这两个单词的相似程度。

请不要给我如何解决代码战挑战的提示，只是帮助我了解这里发生了什么。

我试过了：

'berry'.match(/(c?)(h?)(e?)(r?)(r?)(y?)/)

没有找到匹配项

> ["", "", "", "", "", "", ""]

这对我来说是个谜。搜索了 Regular-expressions.info 后，?（使前面的字符可选）是贪婪的，所以虽然没有匹配对正则表达式有效，但不应该首先被贪婪的版本打败吗？我期待这个：

> ["", "", "", "e", "r", "r", "y"]

我尝试过的其他事情： - 樱桃匹配樱桃按我的预期工作

'cherry'.match(/(c?)(h?)(e?)(r?)(r?)(y?)/)
> ["cherry", "c", "h", "e", "r", "r", "y"]

cherl match cherry 也符合我的预期

'cherl'.match(/(c?)(h?)(e?)(r?)(r?)(y?)/)
> ["cher", "c", "h", "e", "r", "", ""]

如果我从最终的y 中删除?，它也会按预期工作：

'berry'.match(/(c?)(h?)(e?)(r?)(r?)(y)/)
> ["erry", "", "", "e", "r", "r", "y"]

那么为什么在最后的y 上添加? 意味着我不再看到任何匹配的字符？

虽然我在 JS 中尝试过，但我在 PY 和 PCRE 中得到了相同的结果

Answer 1

那么为什么在最后的 y 上添加 ? 意味着我不再看到任何匹配的字符？

您一开始使用的模式 - /(c?)(h?)(e?)(r?)(r?)(y?)/ - 可以匹配空字符串，因为所有子模式都是可选的（即可以匹配零次出现）。当您只寻找一个匹配项时（例如，在 JavaScript 中使用 String#match），您将始终获得位于字符串开头的匹配项（因为在大多数情况下，正则表达式引擎会从左到右分析字符串)，或者是一个空字符串（如果第一个字符不能与第一个子模式匹配），或者如果前导或所有子模式匹配，则为某个子字符串。

所以，berry 以 b 开头。 /(c?)(h?)(e?)(r?)(r?)(y?)/ 以可选的c 开头，因此，b 无法与c 匹配，因此失败。 b 不能与 h、e、r、另一个 r、y 匹配。注意如果你把最后一个y?改成b?，你will get a b in the match。

如果您不在 JS 正则表达式中使用 /g（全局）标志，引擎将只检查一个匹配项。它会在开头找到它 - 一个空字符串，将其返回并收工。 If you use /g，它会检查所有位置，第二个匹配会得到你想要的结果。但是，当您将String#match() 与基于/g 的正则表达式一起使用时，您将丢失捕获的子字符串。使用RegExp#exec() 可以访问这些子匹配项。

请注意，/(c?)(h?)(e?)(r?)(r?)(y)/ 会为您提供匹配项，因为最后一个 y 是必填，并且该模式不能再匹配空字符串。因此，当引擎在berry 中看到b 时，匹配失败，继续检查e 之前的下一个位置，并在那里找到匹配项。因此，在这种情况下不需要/g。