正则表达式不够贪婪

Question

我有以下正则表达式，在出现新情况之前一直运行良好

^.*[?&]U(?:RL)?=(?<URL>.*)$

基本上，它用于针对 URL，以获取 U= 或 URL= 之后的所有内容并在 URL 匹配中返回它

因此，对于以下

http://localhost?a=b&u=http://otherhost?foo= bar

URL = http://otherhost?foo=bar

不幸的是出现了一个奇怪的情况

http://localhost?a=b& u=http://otherhost?foo=bar&url=http://someotherhost

理想情况下，我希望 URL 为“http://otherhost?foo=bar&url=http://someotherhost"，相反，它只是“http://someotherhost”

编辑：我认为这解决了它......虽然它不太漂亮

^.*[?&](?<![?&]U(?:RL)?=.*)U(?:RL)?=(?<URL>.*)$

Answer 1

问题问题

不在于 .* 不够贪婪；而是在于。而是之前出现的其他 .* 也是贪婪。

为了说明这个问题，让我们考虑一个不同的例子。考虑以下两种模式；它们是相同的，除了第二种模式中不愿意使用 \1 ：

              \1 greedy, \2 greedy         \1 reluctant, \2 greedy
              ^([0-5]*)([5-9]*)$           ^([0-5]*?)([5-9]*)$

这里我们有两个捕获组。 \1 捕获 [0-5]*，\2 捕获 [5-9]*。以下是这些模式匹配和捕获的内容的并排比较：

              \1 greedy, \2 greedy          \1 reluctant, \2 greedy
              ^([0-5]*)([5-9]*)$            ^([0-5]*?)([5-9]*)$
Input         Group 1    Group 2            Group 1    Group 2
54321098765   543210     98765              543210     98765
007           00         7                  00         7
0123456789    012345     6789               01234      56789
0506          050        6                  050        6
555           555        <empty>            <empty>    555
5550555       5550555    <empty>            5550       555

请注意，尽管 \2 很贪婪，但它只能捕获 \1 尚未捕获的内容先抢！因此，如果你想让 \2 抓取尽可能多的 5，你就必须让 \1 不情愿，所以 5 实际上已经被 \2 抢占了。

附件

• rubular.com 上的第一个模式
• rubular.com 上的第二种模式

相关问题

• 正则表达式：谁更贪婪

---

解决方案

因此，将其应用于您的问题，有两种方法可以解决此问题：您可以使第一个 .* 不情愿，因此 (< a href="http://www.rubular.com/r/Ks5wB7LNBx" rel="nofollow noreferrer">参见 rubular.com）：

^.*?[?&]U(?:RL)?=(?<URL>.*)$

或者，您可以完全删除前缀匹配部分（< a href="http://www.rubular.com/r/YTm9YuLQVi" rel="nofollow noreferrer">参见 rubular.com）：

[?&]U(?:RL)?=(?<URL>.*)$