正则表达式子程序在Npp中工作正常，但在PCRE中行为奇怪

Question

4

尝试学习正则表达式子程序。我制作了这个正则表达式来匹配IP地址。它在记事本++中可以工作，但是当我在网上的PCRE测试器中尝试时，它只能匹配最多在最后一组中有2个数字的IP。你能帮我理解为什么吗？

\b((\d{1,2}|[01]\d{2}|2[0-4]\d|25[0-5])\.){3}(?2)\b

在NPP中的示例 "192.168.0.219 192.168.0.21" 中，我有2个匹配项，而PCRE（regex101.com）仅匹配第二个地址。

- Antoni Gual Via

请提供有效和无效输入的示例以及预期的匹配/不匹配情况。 - Poul Bak

在NPP中，我有两个匹配项："192.168.0.219"和"192.168.0.21"。然而，在PCRE（https://regex101.com/）中，只匹配到了第二个地址。 - Antoni Gual Via

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Julio · Accepted Answer

Notepad++使用boost进行正则表达式。请看这里：Notepad++使用哪个正则表达式引擎？。这可能解释了差异。

问题在于这段代码\d{1,2}，在递归时不会按预期工作（在PCRE上）。在非递归情况下，您必须在数字后找到一个点。

但由于递归目标是第二组，因此您“进入”递归模式，找到\d{1,2}（从219中的21），然后结束递归。然后，当退出时，您应该找到\b，但您没有找到它（您找到了一个9），因此失败。

也许增强引擎在进入递归之前会考虑整个表达式。或者它有一个不同的回溯系统，允许回溯递归并为选项组中的其他选项重新评估递归。最终，不同的实现导致不同的结果。

为使两者工作相同，您可以使用以下内容：

\b(([01]\d{2}|2[0-4]\d|25[0-5]|\d{1,2})\.){3}(?2)\b

也就是说，将\d{1,2}放在最后一个选项。

一般来说，对于选项组（比如，(aaa|aa|a)），按照最长模式优先的顺序排序是一个好习惯（如果存在重叠）。

作为替代方案，如果您想保持组内相同的顺序，可以使用：

\b((\d{1,2}(?!\d)|[01]\d{2}|2[0-4]\d|25[0-5])\.){3}(?2)\b

我们在\d{1,2}后面添加了一个负向预查，确保该位置后面没有数字。