正则表达式替换匹配字符串的末尾两次

Question

考虑以下程序：

#include <iostream>
#include <regex>

int main(int argc, char* argv[]) {
  if (argc==4)
    std::cout << std::regex_replace(
        argv[1], std::regex(argv[2]), argv[3]
      ) << std::endl;
}

运行中

./a.out a_a_a '[^_]+$' b

运行代码可以得到预期结果a_a_b。但是运行

./a.out a_a_a '[^_]*$' b

打印 a_a_bb。

boost::regex_replace 的行为与此相同。

当我已经使用$时，我不理解为什么最后一个 a 后面的空字符串又被匹配了。

- SU3

---

我认为这是因为 *。由于它匹配0或1，因此首先不匹配任何内容并放置一个 b，然后匹配该 b 并放置第二个 b。请确保您使用的是gcc 7.1.0或clang 3.0或更高版本。 - Shakiba Moshiri

这是许多正则表达式语法的已知行为。如果您想匹配某些内容，请确保您的模式不匹配空字符串。或者至少在开头和结尾都进行锚定。 - Wiktor Stribiżew

有人能解释一下这个设计的理由吗？如果在消耗$之后仍然有剩余内容需要匹配，我看不出它如何发挥作用。 - SU3

Answer 1

这是 “*” 量词和 “+” 量词之间的简单差异。 “*” 匹配结束字母“a”，以及在结尾处的零宽度。您可以在此处查看它：[^_]*$。它不仅匹配最后一个“a”，而且还匹配其后面的零宽度，因此结果将是 “a_a_bb”。

---

为了确保以这种方式运作，请尝试：

[^_]*

如果您将程序输入a_a_a，输出将是：

bb_bb_bb

[^_]*

---

请注意，模式[^_]匹配所有三个a，但是一旦在该模式后面加上星号*，它会使该模式： 匹配单个a或空字符串（零宽度），因此模式[^_]*与主题a_a_a匹配6个点： a和_之间以及其他。

a_a_a
^^^^^^

- Shakiba Moshiri

---

我的误解在于我认为 .* 匹配 nothing 时，nothing 必须出现在刚匹配的相同模式之后。这就是 sed 的行为方式。 - SU3

sed 's/[^_]*$/b/' <<< a_a_a 打印出 a_a_b。 - SU3

有很多正则表达式风格，而sed仅支持基本的，不够丰富和灵活。请查看我的回答，关于C++正则表达式库，以匹配当前行：https://stackoverflow.com/questions/46087665/std-regex-search-to-match-only-current-line/46098368#46098368 - Shakiba Moshiri

Answer 2

锚点不会被消耗（因为它们是0宽度的）。

您可以尝试制作模式abc$$$以匹配字符串abc，它仍将匹配，就像模式^^^abc一样。因此，您函数中的$没有被消耗，并允许a$和(empty)$都匹配。

- Jerry

Answer 3

我认为是因为

+ means 1 or many (at least one occurrence for the match to succeed)
* means 0 or many (the match succeeds regardless of the presence of the search string)

所以，[^_]+$ 只匹配以非下划线结尾的字符串，而 [^_]*$ 匹配一个空字符和以非下划线结尾的字符串，因此它会匹配两个 b。

- GAVD