正则表达式的前瞻匹配

Question

我正在使用正则表达式来查找：

test:?

跟随任何字符直到它遇到下一个：

test:?

现在当我运行我写的这个正则表达式时：

((?:test:\?)(.*)(?!test:\?))

在这段文字中：

test:?foo2=bar2&baz2=foo2test:?foo=bar&baz=footest:?foo2=bar2&baz2=foo2

我期望得到：

test:?foo2=bar2&baz2=foo2

test:?foo=bar&baz=foo

test:?foo2=bar2&baz2=foo2

但实际上它匹配了所有内容。有经验的正则表达式用户能否告诉我哪里出错了？我以前用过正则表达式进行模式匹配，但这是我第一次使用lookaround/lookahead。

提前感谢任何帮助、提示和指导 :-)

- james

---

你只是想在 test:? 上进行分割吗？如果是的话，你的环境将提供一种无需正则表达式即可完成的方法。 - Chris Morgan

Answer 1

我想你可以尝试一下贪心版本。
（扩展）

(test:\? (?: (?!test:\?)[\s\S])* )

- user557597

---

谢谢。这个完美地运行了，我也学到了更多的语法。 - james

Answer 2

下面是Perl程序：

#! /usr/bin/env perl

use strict;
use warnings;

$_ = "test:?foo2=bar2&baz2=foo2test:?foo=bar&baz=footest:?foo2=bar2&baz2=foo2";

while (/(test:\?  .*?) (?= test:\? | $)/gx) {
  print "[$1]\n";
}

从您的问题中产生所需的输出，加上用于强调的括号。

[测试：？foo2=bar2&baz2=foo2]
[测试：？foo=bar&baz=foo]
[测试：？foo2=bar2&baz2=foo2]

请记住，正则表达式量词是贪婪的，希望尽可能多地吞噬而不破坏匹配。每个子段都要尽快终止，这意味着使用 .*? 语义。

每个子段都以另一个 test:? 或字符串结尾终止，我们使用 (?=...) 零宽度前瞻包装在 | 中进行替代。

上面代码中的模式使用了 Perl 的 /x 正则表达式开关，以提高可读性。根据您使用的语言和库，您可能需要删除额外的空格。

- Greg Bacon

---

我在正则表达式测试器中使用了您的语法，但匹配仍然给出了一个包含两个“test:?”字符串的字符串。我正在使用Java，所以我认为这可能与语法有关？（我已经删除了空格进行测试）。感谢您的帮助，我学到了更多。 - james

Answer 3

三个问题：

• (?!) 是负向前瞻断言。您需要使用 (?=)，要求接下来的内容是 test:?。

• .* 是贪婪模式；您需要它为非贪婪模式，以便只获取第一个块。

• 您还想获取最后一个块，因此您需要在结尾处同时匹配 $。

最终结果：

(?:test:\?)(.*?)(?=test:\?|$)

我还删除了外部组，因为我认为它没有意义。我所知道的所有正则表达式引擎都允许您访问第0组作为完整匹配，或者以某种其他方式访问（尽管在查找所有匹配项时可能不是这样）。如果需要，您可以将其放回。

（这适用于PCRE；我不确定它是否适用于POSIX正则表达式，因为我不习惯使用它们。）

如果您只想在test:?上拆分，则正则表达式是错误的工具。使用您的语言内置的支持来拆分字符串。

Python：

>>> re.findall('(?:test:\?)(.*?)(?=test:\?|$)',
... 'test:?foo2=bar2&baz2=foo2test:?foo=bar&baz=footest:?foo2=bar2&baz2=foo2')
['foo2=bar2&baz2=foo2', 'foo=bar&baz=foo', 'foo2=bar2&baz2=foo2']

- Chris Morgan

Answer 4

你可能需要使用((?:test:\?)(.*?)(?=test:\?))，但是你没有告诉我们你使用的是什么语言来驱动正则表达式。

.*?匹配尽可能少的字符，而不会阻止整个字符串匹配，而.*则匹配尽可能多的字符（贪婪）。

根据你使用的编程语言，你可能需要先进行匹配，然后再截取字符串，再进行匹配，或者调用一些特定于语言的match_all类型函数。

顺便说一句，你不需要使用前瞻来锚定正则表达式（你可以直接匹配要搜索的模式），所以在你的情况下，这样做就可以了：

test:[?](.*?)test:[?]

- Borealid

---

如果你要采用这种方法，那么你需要将?!更改为?=。 - ruakh

-1，需要前瞻。如果没有它，因为“test：”已经被消耗掉，每个其他所需的匹配都不会匹配。 - Qtax