为什么 Perl 正则表达式中的 `*?` 是贪婪的？

Question

我运行一个简单的程序：

my $_ =  '/login/.htaccess/.htdf';
s!(/\.ht.*?)$!/!;
print "$_ $1";

输出
/login/ /.htaccess/.htdf

我希望这个正则表达式只匹配 /.htdf。

例子2:

my $_ =  'abcbc';
m/(b.*?)$/;
print "$_ $1\n";

输出
abcbc bcbc

我期望的是 bc。

为什么 *? 仍然贪婪匹配？（我想要最小匹配。）

- Eugen Konkov

---

正则表达式存在从左到右的偏向性。 "Minimal"意味着找到第一个匹配项。所以它找到第一个“b”，然后因为.*?$匹配余下的行。 - user557597

顺便提一下，你现在使用的方式，“.*?$”与“.*”完全等价。也就是说，它们都是贪婪匹配。 - user557597

你实际上在指定想要捕获行末之前的全部内容。因此，它要么匹配所有内容，要么失败，并且正则表达式会尽可能地匹配。 - Axeman

\K 在s{\K/\.ht[^/]*$}{}中是无用的。如果您不想要尾随的 /，请使用s{/\.ht[^/]*$}{}。 - ikegami

在perlre中是否有从左到右到从右到左的开关？ - Eugen Konkov

Answer 1

原子按顺序匹配，每个原子在前一个原子匹配结束的位置后必须匹配。 （第一个原子隐式地由\A（？s：.）*？前置。）这意味着.*/.*?不能决定其开始匹配的位置；它只能决定停止匹配的位置。

示例1

它不是贪婪的。\.ht将匹配带到位置10，并且在位置10，最小的.*?可以匹配并仍然具有其余模式的匹配是access/.htdf。 实际上，在位置10，只有.*?可以匹配，仍然具有其余模式的匹配。

如果路径的最后一部分以.ht开头，则应删除该部分，保留前面的/。 为此，您可以使用以下任一方法：

s{/\.ht[^/]*$}{/}

或者

s{/\K\.ht[^/]*$}{}

例子 2

这并不是贪心。 b 将匹配带到位置 2，而在 位置 2，最小的 .*? 可以匹配并仍然具有其余模式匹配的内容是 cbc。事实上，它是唯一可以在 位置 2 匹配并仍然具有其余模式匹配的东西。

你可能正在寻找

/b[^b]*$/

或者

/b(?:(?!b).)*$/    # You'd use this if "b" was really more than one char.

- ikegami

Answer 2

您可以使用负向先行断言来实现此功能：

~/(\.ht(?!.*\.ht).*)$~

正则表达式演示

(?!.*\.ht)是一个负向前瞻，确保在.ht之后没有.ht出现，从而确保只匹配最后一个.ht。

.*?如果右侧有某种模式，则会变成非贪婪模式。

代码：

$str = '/login/.htaccess/.htdf';

$str =~ s~/(\.ht(?!.*\.ht).*)$~/~m;

print "$str\n";

- anubhava

---

(?!.*\.ht) 非常容易出错。（例如，如果您将 /s 添加到该模式中，它将会出错。）(?:(?!\.ht).) 更加健壮。 - ikegami

是的，同意，但这只有在输入为多行且还使用s的情况下才是正确的，否则(？：（？！ \ .ht）\）)比(？！ \。* \ .ht）慢得多。 - anubhava

它会在很多其他情况下出问题。我想学习那些情况。 - anubhava

请提供一些示例输入。 - anubhava

你可以保留你的观点，但我没有看到任何明显的情况，这个正则表达式无法匹配单行文本中最后一个出现的文本。 - anubhava

Answer 3

为什么不行呢？贪婪模式是向前匹配，而非向后。在非贪婪模式下，状态机开始匹配并在每一步进行检查，而不是全部吞噬然后回溯，但这并不能保证你得到“最小匹配”。

也许您想避免匹配“/”？就像s{/\.ht[^/]*$}{/}中的一样。

- polettix

Answer 4

正则表达式的工作方式与您所做的相同。
但是，如果要使用点元字符，则必须贪婪匹配。

这应该可以工作：s!.*/\K\.ht.*$!!它基本上截掉了末尾的.ht...

如果您想要更具体，您需要s!/\K\.htdf$!!

- user557597