正则表达式中的重叠匹配

Question

我似乎找不到这个问题的答案，我想知道是否有一个。以下是一个简化示例：

考虑一个字符串“nnnn”，我想找到所有匹配的“nn”，还包括重叠的匹配项。因此，正则表达式将提供以下3个匹配项：

1. nn nn 2. nnn 3. nn

我意识到这不完全是正则表达式的用途，但手动遍历字符串并进行解析似乎需要大量的代码，考虑到实际上必须使用模式而不是文本字符串进行匹配。

- fencliff

---

谢谢您添加这个问题。我甚至不确定如何以一种让其他人能够理解的方式陈述这个问题！ - Efe Zaladin

Answer 1

更新2016：

要获取nn，nn，nn，SDJMcHattie在评论中提出使用(?=(nn))（见regex101）。

(?=(nn))

---

原始答案（2008年）

可能的解决方案是使用正向后瞻：

(?<=n)n

这将给出以下字符串的结尾位置：

1. nnnn  
2. nnnn  
3. nnnn

---

正如Timothy Khouri所提到的，使用正向预查更加直观（见示例）。

我更喜欢他提出的简单形式 (?=nn)n ：

(n)(?=(n))

那将引用您想要的字符串的第一个位置，并捕获组(2)中的第二个“n”。这是因为：

- 任何有效的正则表达式都可以在前瞻中使用。 - 如果它包含捕获括号，则会保存反向引用。

因此，无论'n'代表什么（即使它是一个复杂的正则表达式），组(1)和组(2)将捕获它。

- VonC

---

另外，你也可以使用正向先行断言来完成：(?=nn)n ... 这表示“当两个N在前面时，匹配一个N”。 - Timothy Khouri

不好意思，但我仍然没有看到所请求的三个重叠捕获。您捕获了两个n，但没有三个组。如果我在foo4237bar上匹配(\d\d)(?=(\d\d))，我只得到两个捕获，而不是三个：42和37（在Regex Coach和PCRE Workbench中都是如此）。我可能太蠢了，所以我需要更多的解释。 - PhiLho

请再次阅读答案：(\d)(?=(\d))，而不是(\d\d)(?=(\d\d))：您将有3组捕获组：(4)(2)，(2)(3)，(3)(7)。 - VonC

为什么不直接使用(?=(nn))呢？这样你就可以得到每个匹配的单一捕获组。 - SDJMcHattie

我可能漏掉了什么，但是@SDJMcHattie的评论看起来像是答案：它适用于任意表达式，而不仅仅是一系列“n”。 - Andrew Savinykh

@AndrewSavinykh 同意。我可能错过了这个2016年的评论，对于我2008年的回答。我已经在答案中包含了这个评论。 - VonC

Answer 2

使用带有捕获组的前瞻可以实现功能，但代价是使您的正则表达式变得更加缓慢和复杂。另一种解决方案是告诉Regex.Match()方法下一个匹配尝试应从哪里开始。请尝试以下方法：

Regex regexObj = new Regex("nn");
Match matchObj = regexObj.Match(subjectString);
while (matchObj.Success) {
    matchObj = regexObj.Match(subjectString, matchObj.Index + 1); 
}

- Jan Goyvaerts

---

Regular-Expressions.info的网站管理员... => 必须的 + 1。另外，你当然是对的。 - VonC

Answer 3

据我所知，没有一种纯正的正则表达式方法可以一次性完成这个任务（即返回您请求的三个捕获而不需要循环）。

现在，您可以找到一个模式，然后循环搜索起始位置为偏移量（找到的位置+1）。应该将正则表达式与简单代码结合使用。

[编辑]太好了，当我基本上说出了Jan展示的内容时，我被投票否决了...
[编辑2]明确一下：Jan的答案更好。不是更精确，但肯定更详细，值得选择。我只是不明白为什么我的回答会被投票否决，因为我仍然认为它没有错误。不是什么大不了的事，只是有点烦人。

- PhiLho

---

如果你比我快一秒钟回答了，我就会撤回我的相同答案！ - Simon Steele

@Timothy：那样不能捕获，而且你仍然需要在结果上循环，所以我不确定有什么优势... - PhiLho

@PhiLho：再次强调，这并不正确：您可以在零宽断言中捕获组，比如正向预查。请参见我的-完成的-答案。 - VonC

@PhiLho：我回复了你的评论。在我看来，你的答案比Jan的不够精确：“模式”可能指的是“n”，而正确的策略是使用“nn”，然后再从偏移量+1开始。你可能一直是这个意思，只是没有解释清楚。 - VonC

@VonC：问题非常明确，模式一直是“nn”，我在那里看不到任何歧义。 - PhiLho