regex - Perl中的重叠模式匹配

Question

一个初学者的问题。在代码中：

$a = 'aaagggaaa';

(@b) = ($a =~ /(a.+)(g.+)/);

print "$b[0]\n";

为什么$b[0]等于aaagg和不等于aaa？换句话说 - 为什么第二组 -(g.+)只从最后一个匹配g？

Answer 1

因为第一个.+是“贪婪”，这意味着它会尝试匹配尽可能多的字符。
如果你想改变这种“贪婪”的行为，你可以用 替换.+，.+?所以/(a.+?)(g.+)/会返回 ('aaa', 'gggaaa')。

也许，你想写/(a+)(g+)/（只有'a'在第一组，'g'在第二组）。

Answer 2

问题是第一个.+导致g尽可能向右匹配。
为了向您展示实际发生的情况，我修改了您的代码以输出更多说明性的调试信息。

$ perl -Mre=debug -e'q[aaagggaaa] =~ /a.+[g ]/'

Compiling REx "a.+[g ]"
Final program:
   1: EXACT <a> (3)
   3: PLUS (5)
   4:   REG_ANY (0)
   5: ANYOF[ g][] (16)
  16: END (0)
anchored "a" at 0 (checking anchored) minlen 3 

Guessing start of match in sv for REx "a.+[g ]" against "aaagggaaa"
Found anchored substr "a" at offset 0...
Guessed: match at offset 0
Matching REx "a.+[g ]" against "aaagggaaa"
   0 <> <aaagggaaa>          |  1:EXACT <a>(3)
   1 <a> <aagggaaa>          |  3:PLUS(5)
                                  REG_ANY can match 8 times out of 2147483647...
   9 <aaagggaaa> <>          |  5:  ANYOF[ g][](16)
                                    failed...
   8 <aaagggaa> <a>          |  5:  ANYOF[ g][](16)
                                    failed...
   7 <aaaggga> <aa>          |  5:  ANYOF[ g][](16)
                                    failed...
   6 <aaaggg> <aaa>          |  5:  ANYOF[ g][](16)
                                    failed...
   5 <aaagg> <gaaa>          |  5:  ANYOF[ g][](16)
   6 <aaaggg> <aaa>          | 16:  END(0)
Match successful!
Freeing REx: "a.+[g ]"

请注意，第一个.+是捕获它可以开始的所有内容。
然后它必须回溯，直到g可以匹配。

---

您可能想要的是以下之一：

/( a+     )( g+  )/x;
/( a.+?   )( g.+ )/x;
/( a+     )( g.+ )/x;
/( a[^g]+ )( g.+ )/x;
/( a[^g]+ )( g+  )/x;
# etc.

如果没有您提供的更多信息，就不可能知道您想要什么正则表达式。

真正的正则表达式本身就是一种语言，它比 Perl 的其他部分更复杂。

Answer 3

Perl 正则表达式通常匹配可能的最长字符串。

在您的代码中，它与最后一个匹配g并返回输出aaagg。如果您想将输出作为aaa，那么您需要使用非贪婪行为。使用此代码：

$a = 'aaagggaaa';
(@b) = ($a =~ /(a.+?)(g.+)/);
print "$b[0]\n";

它将输出：

aaa

显然，使用question mark会使匹配变得不贪婪。

Answer 4

你写的正则表达式：

($a =~ /(a.+)(g.+)/);

尽可能捕捉"a"and 任何单词，以一个"g"结尾，然后是更多字符。所以第一个(a.+)匹配"aaagg"，直到你的正则表达式的第二部分匹配：(g.+)=>"gaaa"

该@b数组接收两个匹配项"aaagg"和"gaaa"。所以，$b[0]只打印"aaagg".

Answer 5

通常一个正则表达式是贪婪的。?您可以使用字符将其关闭：

$a = 'aaagggaaa';
my @b = ($a =~ /(a.+)(g.+)/);
my @c = ($a =~ /(a.+?)(g.+)/);
print "@b\n";
print "@c\n";

输出：

aaagg gaaa
aaa gggaaa

但我不确定这是你想要的！怎么样abagggbb？你需要aba吗？