积极的后向断言中贪婪子表达式的令人惊讶但正确的行为

Question

注意：

• 观察到的行为是正确的，但起初可能令人惊讶；对我来说是这样，我认为对其他人来说可能也是如此——尽管对于那些非常熟悉正则表达式引擎的人来说可能不是。

• 重复建议的重复，Regex lookahead, lookbehind and atomic groups，包含关于环视断言的一般信息，但没有解决手头的具体误解，如更详细讨论的那样在下面的 cmets 中。

---

使用 greedy，根据定义，positive look-behind assertion 内的 variable-width 子表达式可能会表现出令人惊讶的行为。

为方便起见，示例使用 PowerShell，但该行为通常适用于 .NET 正则表达式引擎：

这个命令按我的直觉工作：

# OK:  
#     The subexpression matches greedily from the start up to and
#     including the last "_", and, by including the matched string ($&) 
#     in the replacement string, effectively inserts "|" there - and only there.
PS> 'a_b_c' -replace '^.+_', '$&|'
a_b_|c

以下使用肯定的后向断言(?<=...) 的命令看似等效，但不是：

# CORRECT, but SURPRISING:
#   Use a positive lookbehind assertion to *seemingly* match
#   only up to and including the last "_", and insert a "|" there.
PS> 'a_b_c' -replace '(?<=^.+_)', '|'
a_|b_|c  # !! *multiple* insertions were performed

为什么不等价？为什么要执行多次插入？

Answer 1

tl;dr：

• 在后视断言中，贪婪子表达式实际上表现非贪婪（在全局匹配除了贪婪），因为考虑到输入字符串的每个前缀字符串。

---

我的问题是 我没有考虑到，在后向断言中，必须检查输入字符串中的每个字符位置是否有 前面的文本到那时 以匹配后向断言中的子表达式。

这与 PowerShell 的 -replace 运算符执行的始终全局替换（即执行 所有 个可能的匹配）相结合，导致 多个 插入：

也就是说，当考虑当前正在考虑的字符位置左侧的文本时，贪婪的锚定子表达式^.+_ 合法匹配两次:

• 首先，当a_ 是左边的文本时。
• 当a_b_ 是左边的文字时。

因此，两个插入了|。

---

相比之下，没有后向断言，根据定义，贪婪表达式^.+_只匹配一次，直到最后一个@ 987654330@，因为它只应用于整个输入字符串。