regex - 正则表达式歧义

Question

关于正则表达式机制的基本问题：

我有以下表达式：[10]*1[10]*.

这会匹配100吗？

我的推理：
第一个选项：[10]*匹配“100”，然后到达字符串的末尾=> 不匹配。
第二个选项：[10]*被忽略并且表达式匹配。

我是否忘记了一些琐碎的事情，或者这实际上取决于正则表达式引擎？
（我记得一些关于贪婪与不贪婪的事情，但我不确定这是否适用于这种情况）

Answer 1

正则表达式引擎进行回溯。

引擎尝试与 匹配100，[10]*但这不起作用，因为那时1没有可匹配的。但随后引擎会丢弃重复的最后一个字符（仅使用[10]*for 10）并再次尝试。还是不行，因为1不匹配0。引擎将一次丢弃一个字符，直到第一个[10*]完全丢弃。现在1匹配并且[10]*很高兴匹配其余的。

我建议通读本教程，因为它很好地解释了幕后发生的事情。（对于您的特殊问题，请查看重复部分）。

更多细节：

这不取决于重复是贪婪还是不贪婪。正则表达式引擎将始终回溯。[10]如果你让它像这样不贪婪，它将只是从另一端开始（出现 0 次） [10]*?：在这种情况下，这将加快进程，因为第一次尝试已经匹配，但它不会改变它总是匹配的事实。

事实上，您可以通过使重复“占有”来手动防止引擎回溯。如果您这样做，并且首先离开重复，那么引擎将不会尝试其他可能的重复。这将是语法：[10]*+. 现在引擎将100只匹配第一部分。然后匹配1会失败，但是由于您使重复所有格，它不会回去尝试使用不同的选项[10]*。在这种情况下，这当然是无用的，但在某些用例中，这种行为是可取的。所有这些也包含在链接的教程中。;)

Answer 2

答案是，是的，它匹配，因为正则表达式解析器将从每个子表达式中消耗尽可能多的内容，以实现对整个表达式的匹配。

在你的情况下，匹配它会这样做：

• 第一个[10]*将消耗零个字符
• 那么它将匹配文字1
• 然后最后一个[10]*将消耗剩余的输入

最后，与其在这里问，不如在regexpal上尝试一下，自己看看！

Answer 3

这很容易测试。这是一个小 php 脚本：

<?php
if (preg_match('/[10]*1[10]*/', '100')) {
    echo "It matches.\n";
} else {
    echo "It doesn't match.\n";
}
?>

输出是：

It matches.

解释：经过一些正则表达式引擎的试验和回溯，最终结果是第一个[10]*不匹配。1匹配文本1，第二个匹配[10]*文本00。