我试图在句子中匹配一个可选的（可能存在的）短语：
perl -e '$_="word1 word2 word3"; print "1:$1 2:$2 3:$3\n" if m/(word1).*(word2)?.*(word3)/'
输出：
1:word1 2: 3:word3
我知道第一个 '.*' 是贪婪的并将所有内容匹配到 'word3'。使它不贪婪无济于事：
perl -e '$_="word1 word2 word3"; print "1:$1 2:$2 3:$3\n" if m/(word1).*?(word2)?.*(word3)/'
输出：
1:word1 2: 3:word3
这里似乎存在利益冲突。我原以为 Perl 会匹配 (word2)？如果可能，仍然满足非贪婪的 .*?。至少这是我对“？”的理解。Perl 正则表达式页面显示“？” 制作 1 次或零次，所以它不应该更喜欢一场比赛而不是零次吗？
更令人困惑的是，如果我捕获 .*?:
perl -e '$_="word1 word2 word3"; print "1:$1 2:$2 3:$3 4:$4\n" if m/(word1)(.*?)(word2)?.*(word3)/'
输出：
1:word1 2: 3: 4:word3
这里的所有组都是捕获组，所以我不知道为什么它们是空的。
只是为了确保没有捕获字间空间：
perl -e '$_="word1_word2_word3"; print "1:$1 2:$2 3:$3 4:$4\n" if m/(word1)(.*?)(word2)?.*(word3)/'
输出：
1:word1 2: 3: 4:word3
鉴于唯一未捕获的匹配项是 word2 和 word3 之间的匹配项，我只能假设它是进行匹配的匹配项。果然：
perl -e '$_="word1_word2_word3"; print "1:$1 2:$2 3:$3 4:$4 5:$5\n" if m/(word1)(.*?)(word2)?(.*)(word3)/'
输出：
1:word1 2: 3: 4:_word2_ 5:word3
所以贪婪匹配是向后工作的，Perl 很乐意匹配 word2 的零个（而不是一个）实例。让它不贪婪也无济于事。
所以我的问题是：我如何编写我的正则表达式来匹配和捕获句子中可能的短语？我这里给出的例子很简单；我解析的实际句子要长得多，我匹配的句子之间有很多词，所以我不能假设中间文本的长度或组成。
非常感谢，斯科特
您需要了解贪婪和懒惰量词的工作原理。贪婪的人会立即抓取他们的模式可以匹配的文本，然后引擎将回溯，即它会尝试回到贪婪量化的子模式与子字符串匹配的地方，尝试检查下一个子模式是否可以匹配。
惰性匹配模式只是先匹配最少的字符，然后再尝试匹配其余的子模式。使用*?，它匹配零个字符，一个空格，然后继续检查下一个模式是否可以匹配，只有当不能匹配时，惰性子模式才会“扩展”以包含更多字符，依此类推。
所以，(word1).*(word2)?.*(word3)将匹配word2第一个.*（第二个.*将匹配一个空格，因为第一个.*是贪婪的。虽然你可以认为这(word2)?是贪婪的，因此必须回溯到，答案是否定的，因为第一个.*抓住了所有的字符串，然后引擎倒退寻找匹配。由于(word2)?匹配一个空字符串，它总是匹配，并且word3从字符串的末尾开始匹配。请参阅此演示并检查正则表达式调试器部分。
你想过，让我们对第一个.\*?使用惰性匹配。的问题(word1).*?(word2)?.*(word3)（即匹配word2与第二.*即贪婪）是有点不同的，因为它可以匹配可选的组。如何？第一个.*?匹配零个字符，然后尝试匹配所有后续子模式。因此，它找到了word1，然后是一个空字符串，并且在 之后没有找到word2正确的word1。如果word2是在之后word1，就会与第一个匹配.*?。请参阅此演示。
目前我看到了两种解决方案，它们都包括使第二个可选组对模式的其余部分“独占”，以便正则表达式引擎在找到时无法跳过它。
(word1)(?:(?!word2).)*(word2)?.*?(word3)。它的效率低于分支重置解决方案，但可以移植到 JS、Python 和大多数其他支持前瞻的正则表达式风格。这是如何运作的？(?:(?!word2).)*匹配 0+ 次出现的任何字符，而不是换行符（带有/s，甚至包括换行符）且不以文字字符序列 开头word2。如果w匹配，则不能跟在后面ord2让构造匹配。因此，当它到达 时word2，它会停止并让后续的子模式(word2)?- 匹配并捕获以下内容word2。为了使这种方法更有效*，请使用展开循环技术：(word1)[^w]*(?:w(?!ord2)[^w]*)*(word2)?.*?(word3)。