为什么 Group.Value 总是最后一个匹配的组字符串？

Question

最近，我发现一个 C# Regex API 真的很烦人。

我有正则表达式 (([0-9]+)|([az]+))+。我想找到所有匹配的字符串。代码如下。

string regularExp = "(([0-9]+)|([a-z]+))+";
string str = "abc123xyz456defFOO";

Match match = Regex.Match(str, regularExp, RegexOptions.None);
int matchCount = 0;

while (match.Success)
{
    Console.WriteLine("Match" + (++matchCount));

    Console.WriteLine("Match group count = {0}", match.Groups.Count);
    for (int i = 0; i < match.Groups.Count; i++)
    {
        Group group = match.Groups[i];
        Console.WriteLine("Group" + i + "='" + group.Value + "'");
    }

    match = match.NextMatch();
    Console.WriteLine("go to next match");
    Console.WriteLine();
}

输出是：

Match1
Match group count = 4
Group0='abc123xyz456def'
Group1='def'
Group2='456'
Group3='def'
go to next match

似乎所有 group.Value 都是最后一个匹配的字符串（“def”和“456”）。我花了一些时间弄清楚我应该依靠 group.Captures 而不是 group.Value。

string regularExp = "(([0-9]+)|([a-z]+))+";
string str = "abc123xyz456def";
//Console.WriteLine(str);

Match match = Regex.Match(str, regularExp, RegexOptions.None);
int matchCount = 0;

while (match.Success)
{
    Console.WriteLine("Match" + (++matchCount));

    Console.WriteLine("Match group count = {0}", match.Groups.Count);
    for (int i = 0; i < match.Groups.Count; i++)
    {
        Group group = match.Groups[i];
        Console.WriteLine("Group" + i + "='" + group.Value + "'");

        CaptureCollection cc = group.Captures;
        for (int j = 0; j < cc.Count; j++)
        {
            Capture c = cc[j];
            System.Console.WriteLine("    Capture" + j + "='" + c + "', Position=" + c.Index);
        }
    }

    match = match.NextMatch();
    Console.WriteLine("go to next match");
    Console.WriteLine();
}

这将输出：

Match1
Match group count = 4
Group0='abc123xyz456def'
    Capture0='abc123xyz456def', Position=0
Group1='def'
    Capture0='abc', Position=0
    Capture1='123', Position=3
    Capture2='xyz', Position=6
    Capture3='456', Position=9
    Capture4='def', Position=12
Group2='456'
    Capture0='123', Position=3
    Capture1='456', Position=9
Group3='def'
    Capture0='abc', Position=0
    Capture1='xyz', Position=6
    Capture2='def', Position=12
go to next match

现在，我想知道为什么 API 设计是这样的。为什么 Group.Value 只返回最后一个匹配的字符串？这个设计看起来不太好。

Answer 1

主要原因是历史性的：正则表达式一直都是这样工作的，可以追溯到 Perl 及以后。但这并不是真正糟糕的设计。通常，如果您想要这样的每个匹配，您只需省略最外面的量词（在这种情况下为 + ）并使用 Matches() 方法而不是 Match ()。每种支持正则表达式的语言都提供了一种方法来做到这一点：在 Perl 或 JavaScript 中，您可以在 /g 模式下进行匹配；在 Ruby 中，您可以使用 scan 方法；在 Java 中，您重复调用 find() 直到返回 false。同样，如果您正在进行替换操作，则可以使用占位符（$1、$2 或 \1、\2，具体取决于语言）。

另一方面，据我所知，没有其他 Perl 5 派生的正则表达式风格能够像 .NET 及其 CaptureCollections 那样提供检索中间捕获组匹配的能力。我并不感到惊讶：实际上很少有人真正需要像这样一次性捕获所有比赛。并考虑跟踪所有这些中间匹配所需的所有存储和/或处理能力。不过，这是一个不错的功能。