c# - 在正则表达式中第一次出现匹配

Question

我有以下文字：

“猫狗老鼠狮子”

我使用正则表达式搜索“狗”或“鼠标”：

Regex regex = new Regex(@"dog|mouse");

C# 中正则表达式的行为方式是它首先搜索单词 dog。如果找到匹配项，它将停止。在正则表达式中找到我的任何单词第一次出现后，如何让它停止，这意味着在“cat”之后停止，因为这首先出现？

我是否必须进行多次正则表达式搜索并匹配结果的索引？或者是否可以在正则表达式中指定它？

Answer 1

不，你错了。

Regex regex = new Regex(@"dog|mouse");

和

Regex regex = new Regex(@"mouse|dog");

两者都会找到“狗”这个词，即使在第二种情况下，“鼠标”这个词是交替中的第一个。

匹配行为与您描述的不同。正则表达式将检查第一个字符是否可以匹配第一个选项，如果不匹配，它将不会继续到第二个字符，它将尝试第二个选项。

但是，交替的顺序在另一方面很重要。当您有相同开头的替代品并且您从短到长订购它们时，您会遇到问题，例如

Regex regex = new Regex(@"Foo|Foobar");

这永远不会匹配单词“Foobar”，因为即使文本中有 Foobar，它也会匹配第一个替代词“Foo”。

为避免这些问题，请从长到短排序

Regex regex = new Regex(@"Foobar|Foo");

这将尝试匹配“Foo”上的“Foobar”，当它识别出之后没有“b”时，它会尝试第二种选择并成功匹配“Foo”。

Answer 2

一种方法是使用带有 dotall 选项的惰性量词：

Regex regex = new Regex(@"^.*?\b(?>dog|mouse)\b");

另一种方法是这样做；

Regex regex = new Regex(@"^(?>[^dm]*+|d++(?!og\b)|m++(?!ouse\b))*\b(?>dog|mouse)\b");

它更长但更有效。这个想法是避免延迟量词很慢，因为它会测试每个字符以查看后面的内容。在这里，我将开头描述为“所有不是 ad或mOR 的东西，一些d不跟ogOR 一些m不跟ouse零次或多次。

(?>..)是一个原子组，这是为了避免正则表达式引擎回溯，它是一种“全有或全无”，更多信息在这里

++是一个所有格量词，也可以避免回溯。