如何修复我的正则表达式，使其不与贪婪量词匹配太多？

Question

我有以下行：

"14:48 say;0ed673079715c343281355c2a1fde843;2;laka;hello ;)"

我通过使用简单的正则表达式来解析它：

if($line =~ /(\d+:\d+)\ssay;(.*);(.*);(.*);(.*)/) {
    my($ts, $hash, $pid, $handle, $quote) = ($1, $2, $3, $4, $5);
}

但是 ; 最后把事情搞砸了，我不知道为什么。 贪心运算符不应该处理“一切”吗？

Answer 1

贪婪运算符试图获取尽可能多的东西，并且仍然与字符串匹配。 发生的情况是第一个（在“say”之后）获取“0ed673079715c343281355c2a1fde843;2”，第二个获取“laka”，第三个找到“hello”，第四个匹配括号。

你需要做的是让除了最后一个之外的所有都变得非贪婪，这样它们就会尽可能少地抓取并仍然匹配字符串：

(\d+:\d+)\ssay;(.*?);(.*?);(.*?);(.*)

Answer 2

(\d+:\d+)\ssay;([^;]*);([^;]*);([^;]*);(.*)

应该工作得更好

Answer 3

尽管正则表达式可以轻松做到这一点，但我不确定这是最直接的方法。 它可能是最短的，但这实际上并不意味着它是最可维护的。

相反，我建议这样：

$x="14:48 say;0ed673079715c343281355c2a1fde843;2;laka;hello ;)";

if (($ts,$rest) = $x =~ /(\d+:\d+)\s+(.*)/)
{
    my($command,$hash,$pid,$handle,$quote) = split /;/, $rest, 5;
    print join ",", map { "[$_]" } $ts,$command,$hash,$pid,$handle,$quote
}

这会导致：

[14:48],[say],[0ed673079715c343281355c2a1fde843],[2],[laka],[hello ;)]

我认为这更具可读性。 不仅如此，我认为它也更容易调试和维护，因为这更接近于人类用笔和纸尝试同样的事情时的做法。 将字符串分解为多个块，以便您可以更轻松地解析 - 让计算机完全按照您的操作进行操作。 当需要进行修改时，我认为这个会表现得更好。 YMMV。

Answer 4

尝试使前 3 个 (.*) 变得不贪婪 (.*?)

Answer 5

如果分号分隔列表中的值本身不能包含任何分号，则只需将其拼写出来即可获得最有效、最简单的正则表达式。 如果某些值只能是十六进制字符的字符串，请将其拼写出来。 当正则表达式与主题字符串不匹配时，使用惰性点或贪婪点的解决方案总是会导致大量无用的回溯。

(\d+:\d+)\ssay;([a-f0-9]+);(\d+);(\w+);([^;\r\n]+)

Answer 6

您可以通过附加问号来使 * 非贪婪：

$line =~ /(\d+:\d+)\ssay;(.*?);(.*?);(.*?);(.*)/

或者您可以匹配除最后一个部分之外的每个部分中除分号之外的所有内容：

$line =~ /(\d+:\d+)\ssay;([^;]*);([^;]*);([^;]*);(.*)/