c - Posix 正则表达式捕获组匹配序列

Question

我在 ac 程序中有以下文本字符串和正则表达式模式：

char text[] = "        identification     division. "; 
char pattern[] = "^(.*)(identification *division)(.*)$";

使用 regexec() 库函数，我得到以下结果：

字符串：标识划分。
模式：^(.*)(标识*除法)(.*)$
子表达式总数：3

好的，模式已匹配...

开始：0，结束：37，匹配：识别师。
子表达式 1 开始：0，结束：8，匹配：
子表达式 2 开始：8，结束：35，匹配：标识除法
子表达式 3 开始：35，结束：37，匹配：。

我想知道，因为正则表达式引擎以贪婪的方式匹配，并且第一个捕获组（。*）匹配任意数量的字符（换行符除外），为什么它不匹配文本字符串中的字符（最多 '.') 而不是只匹配前 8 个空格？

每个捕获组是否必须匹配？

是否有关于捕获组如何匹配文本字符串的规则？

谢谢。

score 1 · Accepted Answer

正则表达式尽可能贪婪，但不会太贪婪。如果左组像你想象的那样贪婪，匹配“标识划分”的组将无法匹配，错误地拒绝text，这在语言中很明显。

score 0 · Accepted Answer

正如您所说，如果贪婪组 (.*) 消耗了整个字符串，则正则表达式的其余部分将没有任何可匹配的内容，这不会使您的正则表达式与字符串匹配。所以，是的，每个捕获组（和其他模式部分）都需要匹配。这正是您在正则表达式中指定的内容。

尝试使用以下字符串，并使用不情愿和贪婪的第一组运行代码，您将看到不同之处。

char text[] = "    identification  division    identification     division. ";

2 回答 2