查找匹配正则表达式的最大输入字符串答案

【问题标题】：Find the maximal input string matching a regular expression查找匹配正则表达式的最大输入字符串
【发布时间】：2018-02-04 18:54:34
【问题描述】：

给定一个正则表达式re和一个输入字符串str，我想找到str的最大子字符串，它从匹配re的最小位置开始。

特殊情况：

re = Regex("a+|[ax](bc)*"); str = "yyabcbcb"

将 re 与 str 匹配应返回匹配字符串 "abcbc"（而不是像 PCRE 那样返回 "a"）。我还记得，如果更改顺序，结果就是我想要的。

【问题讨论】：

然后使用"[ax](?:bc)*|a+"。一旦a 与a+ 匹配，您就不能指望尝试下一个替代方案。
但这正是我想要的。我需要一种“贪婪的交替”。此外，将给定的正则表达式调整到输入字符串也不是一种选择。例如 str = "yyaaaa" 输出应为 "aaaa" 而不是 "a"。
PCRE 是一个 NFA 正则表达式引擎，其中匹配的第一个替代模式使正则表达式引擎跳过其余的替代模式。没有办法让它表现得不同。使用 DFA 正则表达式库，如 sed / grep 和其他基于 POSIX 的正则表达式引擎。
你能推荐一个特定的正则表达式库，它可以满足我的目的吗？理想情况下，它应该是可用于 Linux、Windows、Mac-OS 的 C 代码。

【解决方案1】：

我找到的选项是：

【讨论】：

【解决方案2】：

在我看来，您的问题有两个问题。

首先是改变交替的顺序，结果应该改变。

对于字符串中的每个“a”，它可以匹配“a+”或“ax*”。因此，将 'a' 与正则表达式中的交替匹配是不明确的。

其次，为了找到最大的子串，它需要最长匹配的匹配模式。据我所知，只有RE2 提供了这样的功能，正如@Cosinus 所提到的。

所以我的建议是将“a+|ax*”分成两个正则表达式，在每个正则表达式中找到最大的子字符串，然后比较两个子字符串的位置。

至于找到最长的匹配，也可以参考previous regex post description here。主要思想是搜索从字符串位置 0 到 len(str) 的子字符串，并在找到匹配的子字符串时跟踪长度和位置。

附：一些语言提供类似于“findall()”的正则表达式函数。 使用它们时要小心，因为返回可能是不重叠的匹配项。并且不重叠的匹配不一定包含最长的匹配子串。

【讨论】：