Postgres 贪婪的正则表达式表现得不情愿[重复]

Question

我几乎编写了整个问题，然后找到了答案，所以无论如何我都会以问答的形式把它放在这里，因为所描述的行为对我来说似乎令人惊讶。

这个正则表达式工作正常并将字符串分成三部分 - 数字部分被字母部分包围：

select regexp_replace('abc12345def', '^(.*?)([0-9]+)(.*)$', '{first="\1" second="\2" third="\3"}');

{first="abc" second="12345" third="def"}

然而，在删除^ 和$ 锚点后，我得到了

select regexp_replace('abc12345def', '(.*?)([0-9]+)(.*)', '{first="\1" second="\2" third="\3"}');

{first="abc" second="1" third=""}2345def

因为第 2 组和第 3 组具有贪婪量词，我希望它们分别匹配 12345 和 def，因此返回相同的字符串。等效的 Java 代码以这种方式运行：

System.out.println("abc12345def".replaceFirst("(.*?)([0-9]+)(.*)", "{first='$1' second='$2' third='$3'}"));
System.out.println("abc12345def".replaceFirst("^(.*?)([0-9]+)(.*)$", "{first='$1' second='$2' third='$3'}"));

{first='abc' second='12345' third='def'}
{first='abc' second='12345' third='def'}

为什么它不起作用？

fiddle

Answer 1

Postgres 中正则表达式中的贪心是作为一个整体设置的。与提供的示例基本相同的示例可以在documentation 中找到，并附有解释：

SELECT regexp_match('abc01234xyz', '(.*?)(d+)(.*)');

Result: {abc,0,""}

这也不起作用，因为现在 RE 作为一个整体是非贪婪的，所以它会尽快结束整个比赛。我们可以通过强制 RE 作为一个整体变得贪婪来得到我们想要的东西：...

解决方案是强制整个正则表达式变得贪婪：

select regexp_replace('abc12345def', '(?:(.*?)([0-9]+)(.*)){1,1}', '{first="" second="" third=""}');

{first="abc" second="12345" third="def"}

对我来说有点违反直觉但有效。