正则表达式,组和量词

Question

我刚刚在http://regexcrossword.com/上做了有趣的正则表达式填字游戏- 并且发现我不明白量化群体意味着什么,例如(.)+或(.)*

让我试试http://ole.michelsen.dk/tools/regex.html,它提供了JavaScript和PHP正则表达式引擎:

要匹配的字符串是"Trololo!" (不带引号).(如果打开"全局匹配"改变了某些东西,它会被添加为引导版本,即JS',因为它在PHP模式下没有任何改变.)

JS,  (.)+ => 0: Trololo! 1: ! 
JS', (.)+ => 0: Trololo! 
PHP, (.)+ => 0: Trololo! 0: ! 
JS,  (.)* => 0: Trololo! 1: ! 
JS', (.)* => 0: Trololo! 
PHP, (.)* => 0: Trololo! 1: 0: ! 1: 
JS,  (.){5} => 0: Trolo 1: o 
JS', (.){5} => 0: Trolo 
PHP, (.){5} => 0: Trolo 0: o 
JS,  (.){4} => 0: Trol 1: l 
JS', (.){4} => 0: Trol 1: olo! 
PHP, (.){4} => 0: Trol 1: olo! 0: l 1: ! 

有没有任何规范性的答案,这是什么语义？

Answer 1

输出没有正确标记，仅此而已。

首先，应该发生什么？如果重复一个组，每个新实例都会覆盖最后一个捕获。如果根本没有使用该组，它将返回一个空字符串或类似undefinedJS 中的内容（这取决于风格）。Regular-Expressions.info上有一篇关于此事的好文章。

现在我们如何得到您的结果？让我们从 JavaScript 开始。

所有标记的示例JS（非全局示例）都符合上述描述。它们匹配 中所需的字符数量0并捕获 中的最后一个字符1。所以我们可以忽略这些。

全球的怎么了？这里的输出被错误地解释。当您在函数中使用全局标志时String.match()，您不再获得所有捕获的数组 - 而是仅获得所有匹配的数组（0每个匹配的组）。因此，在 、 的情况下+，*并且{5}只有一个匹配项，您只能得到一个结果。由于{4}目标字符串中有足够的空间容纳两个匹配项，因此生成的数组包含两个元素。要使用全局标志获取所有捕获，您需要编写一个循环并使用RegExp.exec()它（它一次为您提供一个匹配项，但其所有捕获）。

PHP 又如何呢？看起来它正在使用preg_match_all，无论如何，这是全局的，这就是为什么使用g没有效果。这+会再次给出您期望的结果。也是如此{5}。

另外两个怎么了？在这里，输出被以错误的方式解释。默认情况下，preg_match_all给出一个二维数组，其中第一个索引对应于组，第二个索引对应于匹配项。在您的输出中，它会以相反的方式解释。因此，当存在多个匹配项时，第一对0和1是两个找到的匹配项的完整匹配项。第二对0和1是您在这两场比赛中捕获的。

因此，对于*，您首先获得完整的字符串作为匹配，最后一个字符作为捕获（标记为 的两个内容0），这是正确的。然后，由于*允许零宽度匹配，因此您会在字符串末尾得到另一个（空）匹配，以及一个空捕获。不过，我不确定为什么相应的JS'示例不包含额外的空字符串，因为String.match会做同样的事情。

对于{4}，您只需得到两个匹配项 (Trol和olo!)，就像在 JavaScript 情况下分别捕获l和!一样，这又完全没问题。