捕获可选子字符串答案

【问题标题】：capture optional substring捕获可选子字符串
【发布时间】：2014-09-23 14:56:11
【问题描述】：

我正在尝试匹配这些行：

X=1 a b c Y=5 a bb aa
X=2 aa ccc d
X=3 ccc Y=9 d ee ff

“Y=x”子字符串是可选的。它可能存在于一行中，也可能不存在。我想在第 1 组中捕获 X=x，在可选第 2 组中捕获 Y=x。

我正在使用这个正则表达式：

^(X=[0-9]+?).+?(Y=[0-9]+?)?.+?$

整行都匹配，但我只捕获第一组。即使存在可选子字符串，也永远不会捕获第二组。问题是 X= 和 Y= 之间可能有很多不同的词（也有 '=' 字符）。

任何想法如何捕获可选的第 2 组？

实际示例：http://regex101.com/r/rD4sO4/1

【问题讨论】：

标签： regex optional capture regex-group

【解决方案1】：

更新

这是一个更高效、更简洁的选择（不需要交替）：

^(X=[0-9]+)(?:.+?(Y=[0-9]+))?.+?$

Demo

_{请注意，我从 [0-9] 中删除了惰性重复，因为无论如何匹配太多字符都不会有任何问题。}

说明

原始表达式不起作用，因为正则表达式从左到右匹配（并且由于您使用的是惰性重复，我假设您理解正则表达式“贪婪”的概念）。因此，即使您的中间 .+? 很懒惰，Y=[0-9]+ 也是可选的，因此它可以一直匹配到尾随/必需的 .+?$。这可能不是人们所期望的，因为有一个懒惰的重复......但是当你总是可以回溯并尝试再次匹配它时，为什么要停下来寻找一个可选的片段。

我的工作是因为我让中间 .+? 仅在 Y=[0-9]+ 存在时才存在。所以Y=[0-9]+ 总是被检查，但如果没有找到那没关系，因为整个组仍然是可选的。然后我们仍然可以以.+?$结尾。

原创

我绞尽脑汁想要一个更简洁的答案，但我使用了交替来让正则表达式引擎在匹配所有内容之前总是检查Y=[0-9]+?：

^(X=[0-9]+)(?:.+?(Y=[0-9]+).+?|.+?)$

Demo

【讨论】：

效果很好，谢谢。虽然我不知道具体是怎么回事。
是的，谢谢@Sam。我需要阅读更多关于惰性重复的内容。
@Tmk 这里是repetition 的一些读物，其中包括关于懒惰与贪婪的部分:)

【解决方案2】：

或者这个模式

(X=\d+)(?>[^Y\r\n]+|Y(?!=\d+))*(Y=\d+)?

Demo

【讨论】：

【解决方案3】：

(X=\d+)|(Y=\d+)

试试这个。查看演示。

http://regex101.com/r/lS5tT3/21

【讨论】：