逻辑或在正则表达式中不起作用答案

【问题标题】：Logical OR not working in regular expression逻辑或在正则表达式中不起作用
【发布时间】：2014-07-19 17:49:30
【问题描述】：

我正在处理一个大日志文件，其条目如下：

-- "GET <b>/fss-w3-mtpage.php</b> HTTP/1.1" 200 0.084 41 "-" "c110bc/1.0" 127.0.0.1:25001  0.084

-- "GET <b>/m/firstpage/Services/getAll</b>?ids=ABCVDFDS,ASDASBDB,ASDBSA&requestId=091fa2b4-643e-4473-b6d8-40210b775dcf HTTP/1.1" 200

-- POST <b>/lastpage/Services/getAll</b>?ids=ABCVDFDS,ASDASBDB,ASDBSA&requestId=091fa2b4-643e-4473-b6d8-40210b775dcf HTTP/1.1" 200

我想提取上面示例中加粗的部分。这是我为上述内容编写的正则表达式

.*(POST|GET)\s+(([^\?]+)|([^\s]))

我想获取GET 或POST 之后的部分，直到第一次出现空格' ' 或问号'?'。

问题
正则表达式后面部分的逻辑 OR 不起作用。如果我只使用

.*(POST|GET)\s+([^\?]+)

我得到了正确的部分，即从 GET 或 POST 到第一个问号 '?'。同样，如果我使用

.*(POST|GET)\s+([^\s]+)

我得到了正确的部分，即从 GET 或 POST 到第一个空格 ' ')。

谁能告诉我哪里错了？

【问题讨论】：

标签： regex regex-alternation

【解决方案1】：

[^\?]+ 我得到正确的部分直到第一个问号，
有了[^\s]+，我得到了正确的部分，直到第一个空格

因为这些字符类别意味着：所有不是问号的字符，或者：所有不是空格的字符。

要组合它们，你想说：所有既不是问号也不是空格的字符：

[^?\s]+

使用您使用的 OR，它只是尝试了第一个（[^\?]+ - 包括空格），它成功了，如果第一个不起作用，它会回溯并尝试 [^\s]+（包括问号） .

【讨论】：

【解决方案2】：

从索引 2 中获取匹配组

\b(POST|GET)\s+([^?\s]+)

这里是DEMO

模式说明：

  \b                       the word boundary

  (                        group and capture to \1:
    POST                     'POST'
   |                        OR
    GET                      'GET'
  )                        end of \1

  \s+                      whitespace (\n, \r, \t, \f, and " ") (1 or more times)

  (                        group and capture to \2:

    [^?\s]+                  any character except: '?', whitespace
                             (\n, \r, \t, \f, and " ") (1 or more times)

  )                        end of \2

【讨论】：

【解决方案3】：

下面的正则表达式将仅匹配紧跟在GET 或POST 之后的字符串，后跟空格或? 符号。

(?<=GET |POST )\s*.*?(?= |\?)

DEMO

您可以使用捕获组()，以捕获匹配的字符串。

(?<=GET |POST )\s*(.*?)(?= |\?)

DEMO

说明：

(?<=                     look behind to see if there is:
  GET                      'GET '
 |                        OR
  POST                     'POST '
)                        end of look-behind
\s*                      whitespace (\n, \r, \t, \f, and " ") (0 or
                         more times)
(                        group and capture to \1:
  .*?                      any character except \n (0 or more
                           times)
)                        end of \1
(?=                      look ahead to see if there is:
                           ' '
 |                        OR
  \?                       '?'
)                        end of look-ahead

【讨论】：