正则表达式可选匹配运算符：如何应用于字符串？答案

【问题标题】：Regex optional match operator: how to apply to a string of characters?正则表达式可选匹配运算符：如何应用于字符串？
【发布时间】：2012-08-25 20:10:58
【问题描述】：

我在尝试应用以下正则表达式时遇到问题：

(1234).*?(abcd)?

到下面的字符串：

1234567abcd

我的期望是上面应该产生两个匹配：

1234
abcd

但是，这不起作用。您可能会建议“好吧，只需删除尾随的? 字符？” -- 但我希望这第二种模式是可选的。

这是怎么做到的？

重申：

(1234).*?(abcd)

... 给出了想要的结果，但我搜索的字符串并不总是包含abcd。

如果有人想知道，这是一个大图问题的简化示例。如果需要，我会解释的。

====

我认为这个问题需要进一步澄清。这是我在 ruby 中尝试做的更完整的示例。

鉴于我的日志文件中的以下两行“篡改”：

Aug 28 00:00:05 app-system-1 app-prod[7660]: Completed 200 OK in 150ms (Views: 24.6ms | ActiveRecord: 66.1ms)
Aug 28 00:05:06 app-system-1 app-prod[10639]: Completed 302 Found in 81ms (ActiveRecord: 74.6ms)

我尝试在 ruby 中编译一个正则表达式，如下所示：

d=Regexp.new('(?<timestamp>\w{1,3}\s\d{1,2}\s\d\d:\d\d:\d\d).*(?<in>in [0-9]*).*(?<views>Views: [0-9]*).*(?<activerecord>ActiveRecord: [0-9]*)')

显然，在某些情况下，“视图”文本将被包含在内，而在其他行中，则不存在。

我希望能够做类似的事情：

v=d.match(line)
if !v.nil?
    puts v[:timestamp]+ " " + v[:in] + " " + v[:views] + " " + v[:activerecord]

这显然是一个不完整的例子，但希望这可以澄清。

【问题讨论】：

标签： python ruby regex perl

【解决方案1】：

你真的应该分步去做。

if (my ($ts, $dur, $breakdown) = /
   ^
   (\w{3}[ ]\d{1,2}[ ]\d\d:\d\d:\d\d)
   .*?
   in[ ]([0-9]*)ms
   .*?
   \( ([^()]*) \)
/xs) {
   my %breakdown = map /^([^:]+): (.*)ms/, split /\s*\|\s*/, $breakdown;
   say join ', ',
      $ts,
      $dur,
      $breakdown{Views} // '--',
      $breakdown{ActiveRecord} // '--';
}

【讨论】：

【解决方案2】：

类似于 ikegami 但我认为更简单：

/(1234)(?:(?!abcd).)*(abcd)?/

【讨论】：

【解决方案3】：

因为(a|) 大致相当于(a)? 我们可以使用：

(1234).*?(abcd|)

强制正则表达式引擎首先检查abcd。带有? 的可选规则的默认设置是假定它不存在（相当于(|abcd)）。此默认行为对于确保正则表达式终止（更快）很重要。

【讨论】：

不，(a|) 实际上与(a)? 相同。它会在任何地方匹配，因为它总是什么都不匹配。
呃，这不会改变任何事情。与(?:a|) 一样，a? 在尝试匹配 "" 之前尝试匹配 "a"。
在 perl 中，？喜欢匹配而不是不匹配，相当于{0,1}。 ??是首选不匹配的版本，相当于{0,1}?。如果在 python 或 ruby（标签中指示的其他语言）中不是这样，我很想听听。
@Alan Moore：在 perl 中，(a|) 和 (a)? 的区别仅在于前者可以捕获 a 或空字符串，而后者可以捕获 a 或 undef。这是一个微妙的区别，但仍然是一个区别。
@ysth：我知道。我的意思是，就像你和 @ikegami 一样，? 是不是非贪婪的。（这适用于 Python、Ruby 和我熟悉的所有其他风格，顺便说一句。PHP 具有 /U 修饰符，它使所有量词都是非贪婪的，但贪婪是默认值。）此外，贪婪或非贪婪是不相干;重要的是(a|)--就像(a)?--将匹配它应用的任何地方，因为它什么都不匹配。

【解决方案4】：

您没有具体说明您想要什么，至少没有明确说明，但我认为您想要以下内容：

当给定...1234567abcd... 作为输入时，1234567abcd 应该匹配，1234 和abcd 应该被捕获。
当给定...1234567abce... 作为输入时，1234 应该匹配，1234 应该被捕获。

如果是这样，您可以使用：

/(1234)(?:.*?(abcd))?/s

我讨厌使用贪婪修饰符。它用于避免匹配某些序列，但不能保证它不会。我会改用以下内容：

/
   (1234)
   (?:
      (?:(?!abcd).)*    # Safer than .*?
      (abcd)
   )?
/sx

【讨论】：

我在原始问题陈述中对手头的“问题”添加了更多说明。我认为您可能正在帮助我解决这个问题。你能看看上面吗？ :) 谢谢！
您真的应该分步进行。 1) 提取括号，然后 2) 在“|”上拆分内容，然后 3) 从值中拆分键。

【解决方案5】：

锚定正则表达式有效：

/(1234).*?(abcd)?$/

【讨论】：