正则表达式、组和量化器

Question

我刚刚在http://regexcrossword.com/ 做了有趣的正则表达式填字游戏 - 发现我不明白量化组的含义，例如(.)+ 或 (.)*

让我试试http://ole.michelsen.dk/tools/regex.html，它提供了 JavaScript 和 PHP 正则表达式引擎：

要匹配的字符串是“Trololo！” （不带引号）。 （如果打开“全局匹配”改变了一些东西，它会被添加为primed版本，即JS'，因为它在PHP模式下没有改变任何东西。）

JS,  (.)+ => 0: Trololo! 1: ! 
JS', (.)+ => 0: Trololo! 
PHP, (.)+ => 0: Trololo! 0: ! 
JS,  (.)* => 0: Trololo! 1: ! 
JS', (.)* => 0: Trololo! 
PHP, (.)* => 0: Trololo! 1: 0: ! 1: 
JS,  (.){5} => 0: Trolo 1: o 
JS', (.){5} => 0: Trolo 
PHP, (.){5} => 0: Trolo 0: o 
JS,  (.){4} => 0: Trol 1: l 
JS', (.){4} => 0: Trol 1: olo! 
PHP, (.){4} => 0: Trol 1: olo! 0: l 1: ! 

这是什么语义，有什么规范的答案吗？

Answer 1

输出没有正确标记，仅此而已。

首先，应该发生什么？如果您重复一个组，每个新实例都会覆盖最后一次捕获。如果根本不使用该组，它将在 JS 中返回一个空字符串或类似 undefined 的东西（这取决于风格）。 regular-expressions.info 上面有一篇关于此事的好文章。

现在我们如何获得您的结果？让我们从 JavaScript 开始。

所有标记为JS 的示例（非全局示例）都符合上述描述。它们匹配0 中所需的字符数量，并捕获1 中的最后一个字符。所以我们可以忽略这些。

全球的怎么了？这里的输出被错误地解释了。当您将全局标志与 String.match() 函数一起使用时，您将不再获得所有捕获的数组 - 但只会获得所有匹配的数组（每个匹配的组 0）。因此，在 +、* 和 {5} 只有一个匹配的情况下，您只能得到一个结果。对于{4}，目标字符串中有足够的空间容纳两个匹配项，因此结果数组包含两个元素。要使用全局标志获取所有捕获，您需要编写一个循环并改用 RegExp.exec()（它一次给您一个匹配，但它的所有捕获）。

PHP 是什么？似乎它正在使用preg_match_all，无论如何它都是全局的，这就是为什么使用g 没有效果。 + 再次给出了您期望的结果。 {5} 也是如此。

另外两个呢？在这里，输出被错误地解释了。默认情况下，preg_match_all 给出一个二维数组，其中第一个索引对应于组，第二个对应于匹配。在您的输出中，它被反过来解释。因此，当有多个匹配时，第一对0 和1 是两个找到的匹配的整个匹配。第二对 0 和 1 是您在这两场比赛中捕获的。

所以对于*，你首先得到完整的字符串作为匹配，最后一个字符作为捕获（标记0的两个东西），这是正确的。然后，由于* 允许零宽度匹配，您会在字符串末尾获得另一个（空）匹配，以及一个空捕获。不过，我不确定为什么相应的 JS' 示例不包含额外的空字符串，因为 String.match 会做同样的事情。

对于{4}，您只需获得两个匹配项（Trol 和 olo!），就像在 JavaScript 案例中分别捕获 l 和 ! 一样，这同样非常好。