是什么导致这个正则表达式匹配所有内容？

Question

我正在尝试使用这个正则表达式：

^(\s+)<ProjectReference(.|\s)+?(Project2)</Name>(.|\s)+?</ProjectReference>

...仅定位此部分：

    <ProjectReference Include="..\..\Project2\Project2.csproj">
      <Project>{6c2a7631-8b47-4ae9-a68f-f728666105b9}</Project>
      <Name>Project2</Name>
    </ProjectReference>

...在下面的文档中：

what is causing this text up here to be selected??

    <ProjectReference Include="..\..\Project1\Project1\Project1.csproj">
      <Project>{714c6b26-c609-40a4-80a9-421bd842562d}</Project>
      <Name>Project1</Name>
    </ProjectReference>


  <ItemGroup>
    <ProjectReference Include="..\..\Project2\Project2.csproj">
      <Project>{6c2a7631-8b47-4ae9-a68f-f728666105b9}</Project>
      <Name>Project2</Name>
    </ProjectReference>
    <ProjectReference Include="..\..\Project3\Project3\Project3.csproj">
      <Project>{39860208-8146-429f-a1d1-5f8ed2fd7f5f}</Project>
      <Name>Project3</Name>
    </ProjectReference>
    <ProjectReference Include="..\..\Project4\Project4.csproj">
      <Project>{58144d60-19d9-4d11-8ae6-088e03ccf874}</Project>
      <Name>Project4</Name>
    </ProjectReference>
    <ProjectReference Include="..\..\Project5\Project5.csproj">
      <Project>{33baa509-ad24-4a72-a2fc-8f297e75e90d}</Project>
      <Name>Project5</Name>
    </ProjectReference>
  </ItemGroup>
  <PropertyGroup>
    <VisualStudioVersion Condition="'$(VisualStudioVersion)' == ''">10.0</VisualStudioVersion>
    <VSToolsPath Condition="'$(VSToolsPath)' == ''">$(MSBuildExtensionsPath32)\Microsoft\VisualStudio\v$(VisualStudioVersion)</VSToolsPath>
  </PropertyGroup>

在 Notepad++ 中，它似乎最初会找到匹配项，但随后会在第二个匹配项中继续匹配整个文档（因此它总共找到 2 个匹配项）。我最初在我的 .NET 应用程序中发现了这一点，当时我的实用程序将项目文件的全部内容替换为空字符串，从而有效地清除了整个内容。

我已经花了一个多小时来解决这个问题，所以让我们看看 SE 是否可以解决这个问题。

更新：虽然我已经标记了一个实际有效的答案，但我最终还是采用了一种不那么神奇的方法来确保以后不会有罕见的正则表达式怪癖潜入我的代码就像最近的情况一样。

^(\s+)<ProjectReference.+?({0})\.(csproj|vbproj).*\r\n.*\r\n\s+<Name>{0}</Name>\r\n\s*</ProjectReference>

...{0} 是我的项目的名称。虽然更冗长，但此解决方案不太可能因过度匹配而出错。我在我的 .NET 应用程序中使用 RegexOptions.Multiline，以便我可以锚定到行首。

Answer 1

我认为最好的方法是使用 xpath 表达式 或 xml 解析器。

但是，正如您在评论中所说，如果您想使用正则表达式捕获该特定部分，那么您可以使用：

(<ProjectReference.*?Project2[\s\S]*?</ProjectReference>)

Working demo

比赛信息

MATCH 1
1.  [209-384]   `<ProjectReference Include="..\..\Project2\Project2.csproj">
      <Project>{6c2a7631-8b47-4ae9-a68f-f728666105b9}</Project>
      <Name>Project2</Name>
    </ProjectReference>`

除了 regex101 还使用 SublimeText 来显示它的工作原理，但是 Notepad++ 的正则表达式引擎很差，并且通常会用 [\s\S]*? 之类的技巧来搞砸它：

另一方面，与您关于“为什么失败”的问题有关，您的正则表达式不是 failing 但您的模式允许 greedy 匹配（即使使用惰性运算符），因为您(.|\s) 交替：

^(\s+)<ProjectReference(.|\s)+?(Project2)</Name>(.|\s)+?</ProjectReference>
                          ^--- HERE

如果你查看Regex101 explanation，你可以看到：

2nd Capturing group (.|\s)+?
  Quantifier: +? Between one and unlimited times, as few times as possible, expanding as needed [lazy]
  Note: A repeated capturing group will only capture the last iteration. Put a capturing group around the repeated group to capture all iterations or use a non-capturing group instead if you're not interested in the data
  1st Alternative: .
    . matches any character (except newline)
  2nd Alternative: \s
    \s match any white space character [\r\n\t\f ]

Answer 2

首先，永远不要使用(.|\s) 匹配所有内容，包括换行符；这是一个等待发生的冻结（有关更多信息，请参阅this answer）。 Notepad++ 中的搜索对话框包括一个用于此目的的复选框，标记为 . matches newline。

其次，无论如何，你都不应该得到那个结果。我已经在 Notepad++ 的本地副本中复制了它，它看起来像一个错误。也许正则表达式 is 冻结，而 NPP 未能捕捉到错误。无论如何，你应该只得到一个匹配，当我选择 . matches newline 并将你的正则表达式更改为这样时会发生这种情况：

^\h*<ProjectReference.*?Project2</Name>.*?</ProjectReference>

但是，它仍然匹配太多，包括Project1 和Project2 元素。这是因为非贪心量词只影响匹配结束的位置，而不影响匹配的开始位置。您需要使用更具体的东西来确保匹配不会超出它开始的元素。我认为这是最可靠的方法：

^\h*<ProjectReference(?:(?!</?ProjectReference).)*Project2</Name>.*?</ProjectReference>

这个想法是允许点是任何匹配字符（包括换行符），除非它是序列<ProjectReference 或</ProjectReference 的第一个字符。因此，一旦它开始匹配开头的<ProjectReference> 标记，它就可以匹配除另一个此类标记（开头或结尾）之外的任何内容，直到找到标记字符串（Project2）。

更新：这绝对是 Notepad++ 中的一个错误。我自己做了一些更多的测试，并找到了其他报告来确认它（here 和here）。这些人在尝试触发错误时非常有创意，但归结为：如果正则表达式匹配时间过长，NPP 会错误地选择所有内容。