正则表达式中的"独立非捕获组"是什么？

Question

来自Java 6Pattern文档:

特殊结构（非捕获）

(?:X)   作为非捕获组的X

…

(?>X)   作为独立的、非捕获的组的X

(?:X)和(?>X)之间有什么区别？在这个上下文中，“独立”是什么意思？

- Peter Hart

Answer 1

这意味着分组是原子的，它会丢弃匹配组的回溯信息。因此，这个表达式是占有性的；即使这样做是整个正则表达式成功的唯一方式，它也不会后退。在这个意义上，它是“独立的”，因为它不通过回溯与正则表达式的其他元素合作以确保匹配。

- erickson

Answer 2

我认为这篇教程解释了“独立的、不捕获分组”或“原子分组”的确切含义。

正则表达式a(bc|b)c（捕获分组）匹配abcc和abc。正则表达式a(?>bc|b)c（原子分组）匹配abcc但不匹配abc。

当应用于abc时，两个正则表达式都将将a与a匹配，将bc与bc匹配，然后在字符串末尾失败地尝试将c与字符匹配。它们的路径在这里分叉。使用捕获分组的正则表达式记住了一个备用位置来进行选择。该组将放弃匹配，b然后匹配b，c匹配c。找到匹配项！

然而，使用原子分组的正则表达式在匹配bc后退出了原子分组。此时，组内标记的所有备用位置都将被丢弃。在这个例子中，备选项在字符串的第二个位置尝试b的选择将被丢弃。结果，当c失败时，正则表达式引擎没有其他可尝试的方案。

- kajibu

Answer 3

如果您有foo(?>(co)*)co，那么它永远不会匹配。我相信有实际的例子可以说明这个正则表达式的用途，请参考O'Reilly的书籍。

- Jeff Stuart

Answer 4

(?>X?) 等同于 (?:X)?+，(?>X*) 等同于 (?:X)*+，(?>X+) 等同于 (?:X)++。

除了 X 必须是一个非捕获组之外，前面的等式可以简化为：

(?>X?) 等同于 X?+，(?>X*) 等同于 X*+，(?>X+) 等同于 X++。

- beibichunai

---

Pattern JavaDocs 中的 independent 一词非常重要。它们并不完全相同，因为 (?>X) 在部分匹配失败时不会进行任何回溯，所以使用其中一个匹配的某些内容将无法使用另一个匹配。 erickson 链接的文章对我很有帮助。 - xdhmoore

抱歉，我目前不太了解这个问题，所以我的答案可能不准确。但是根据您提供的参考资料：“大多数工具也支持占有量词，这实际上是原子组合的一种符号便利性。” 这就是我想表达的意思。在后一种情况下，额外的“+”字符表示占有限定符。 - beibichunai

我不喜欢这个答案，因为它只在X本身是原子时才有效，而在文档中并不一定是这种情况——有时候X必须是一个原子（例如X?+），有时候则不是（例如(X)）。具体来说，(?>X?)仅当X是原子时等于X?+：(?>foo?)不等同于(?:foo)?+。 - Jelaby

Jelaby，在文档中你在哪里读到X必须是X原子？你能给出一个例子，其中X不是X原子吗？ - beibichunai

我看到负面投票没有得到回答，这是意料之中的。?+ 可以应用于任何东西，包括原子或非原子，只要它是一个表达式。(?> )也是一样。如果 X 不是一个表达式，你就不会应用规则：AB?+ 等同于 A(?>B) 而不是 (?>AB?) - 仅适用于 B - 并且不能在 (?>AB?) 上反向应用，因为 AB 在那里不是一个表达式 - B 是，但 (> ) 不直接应用于结果 - B? - 而是应用于另一个表达式 AB?。显然，你必须知道优先级才能应用规则。问题不在于原子性，而在于无论表达式结构如何都使用规则。 - beibichunai