为什么回溯中的有限重复在某些风格中不起作用？

Question

我想解析 dd/mm/yy 格式的日期中间的 2 位数字，但也允许使用单个数字表示日和月。

这就是我的想法：

(?<=^[\d]{1,2}\/)[\d]{1,2}

我想要一个 1 或 2 位数字 [\d]{1,2} 以及 1 或 2 位数字和斜杠 ^[\d]{ 1,2}\/ 之前。

这不适用于许多组合，我已经测试了 10/10/10、11/12/13 等...

但令我惊讶的是 ( ?<=^\d\d\/)[\d]{1,2} 有效。

但是如果 \d\d 匹配的话 [\d]{1,2} 也应该匹配，还是我错了？

Answer 1

关于后向支持

主要的正则表达式风格对后向有不同的支持；有些施加了某些限制，有些甚至根本不支持。

• Javascript：不支持
• Python：仅限固定长度
• Java：仅限有限长度
• .NET：无限制

参考文献

• regular- Expressions.info/Flavor Comparison

---

Python

在 Python 中，仅支持固定长度后向查找，您的原始模式会引发错误，因为 \d{1,2} 显然没有固定长度。您可以通过交替使用两个不同的固定长度lookbehind来“修复”此问题，例如：

(?<=^\d\/)\d{1,2}|(?<=^\d\d\/)\d{1,2}

或者您可以将两个lookbehind作为非捕获组的替代品：（

(?:(?<=^\d\/)|(?<=^\d\d\/))\d{1,2}

请注意，您可以只使用 \d< /code> 不带括号）。

也就是说，使用捕获组可能要简单得多：

^\d{1,2}\/(\d{1,2})

请注意 findall将返回组 1 捕获的内容。捕获组比lookbehind得到更广泛的支持，并且通常会导致更可读的模式（例如在本例中）。

此代码片段说明了上述所有要点：

p = re.compile(r'(?:(?<=^\d\/)|(?<=^\d\d\/))\d{1,2}')

print(p.findall("12/34/56"))   # "[34]"
print(p.findall("1/23/45"))    # "[23]"

p = re.compile(r'^\d{1,2}\/(\d{1,2})')

print(p.findall("12/34/56"))   # "[34]"
print(p.findall("1/23/45"))    # "[23]"

p = re.compile(r'(?<=^\d{1,2}\/)\d{1,2}')
# raise error("look-behind requires fixed-width pattern")

参考文献

• regular-expressions.info/Lookarounds， 字符类，交替，捕获组< /a>

---

Java

Java 仅支持有限长度后向查找，因此您可以像在原始模式中一样使用 \d{1,2} 。以下代码片段演示了这一点：

    String text =
        "12/34/56 date\n" +
        "1/23/45 another date\n";

    Pattern p = Pattern.compile("(?m)(?<=^\\d{1,2}/)\\d{1,2}");
    Matcher m = p.matcher(text);
    while (m.find()) {
        System.out.println(m.group());
    } // "34", "23"

请注意，(?m) 是嵌入的 Pattern.MULTILINE 以便 ^ 匹配每行的开头。另请注意，由于 \ 是字符串文字的转义字符，因此必须编写 "\\" 才能在 Java 中获得一个反斜杠。

---

C-Sharp

C# 支持lookbehind 的完整正则表达式。以下代码片段显示了如何在后行中使用 + 重复：

var text = @"
1/23/45
12/34/56
123/45/67
1234/56/78
";

Regex r = new Regex(@"(?m)(?<=^\d+/)\d{1,2}");
foreach (Match m in r.Matches(text)) {
  Console.WriteLine(m);
} // "23", "34", "45", "56"

请注意，与 Java 不同，在 C# 中，您可以使用 @-引号字符串 这样你就不必转义 \。

为了完整起见，以下是在 C# 中使用捕获组选项的方法：

Regex r = new Regex(@"(?m)^\d+/(\d{1,2})");
foreach (Match m in r.Matches(text)) {
  Console.WriteLine("Matched [" + m + "]; month = " + m.Groups[1]);
}

根据前面的文本，将打印：

Matched [1/23]; month = 23
Matched [12/34]; month = 34
Matched [123/45]; month = 45
Matched [1234/56]; month = 56

相关问题

• 如何匹配但排除正则表达式模式？

Answer 2

除非有问题中未注明的使用后视的具体原因，否则简单地匹配整个内容并仅捕获您感兴趣的部分怎么样？

JavaScript 示例：

>>> /^\d{1,2}\/(\d{1,2})\/\d{1,2}$/.exec("12/12/12")[1]
"12"

Answer 3

引用regular-expressions.info：

坏消息是大多数正则表达式
口味不允许你只使用
向后查找中的任何正则表达式，因为
他们无法应用正则表达式
向后。因此，定期
表达式引擎需要能够
计算出要后退多少步
在检查后向检查之前。

因此，许多正则表达式风格，
包括 Perl 使用的那些和
Python，只允许定长
字符串。您可以使用任何正则表达式
匹配的长度可以是
预定的。这意味着您可以使用
文字文本和字符类。
您不能使用重复或可选
项目。你可以使用交替，但是
仅当所有选项都在交替中时
长度相同。

换句话说，您的正则表达式不起作用，因为您在lookbehind中使用可变宽度表达式，并且您的正则表达式引擎不支持它。

Answer 4

除了 @polygenelubricants 列出的那些之外，“仅限固定长度”规则还有两个例外。在 PCRE（PHP、Apache 等的正则表达式引擎）和 Oniguruma（Ruby 1.9、Textmate）中，lookbehind 可能包含一个替换，其中每个替换可能匹配不同数量的字符，如下所示只要每个选项的长度是固定的。例如：

(?<=\b\d\d/|\b\d/)\d{1,2}(?=/\d{2}\b)

请注意，交替必须位于lookbehind 子表达式的顶层。您可能像我一样，试图分解出共同的元素，如下所示：

(?<=\b(?:\d\d/|\d)/)\d{1,2}(?=/\d{2}\b)

……但这行不通；在顶层，子表达式现在由具有非固定长度的单个替代项组成。

第二个例外更有用：\K，受 Perl 和 PCRE 支持。它实际上意味着“假装比赛真的从这里开始”。正则表达式中出现在其前面的任何内容都被视为积极的后向查找。与 .NET Lookbehind 一样，没有任何限制；正常正则表达式中出现的任何内容都可以在 \K 之前使用。

\b\d{1,2}/\K\d{1,2}(?=/\d{2}\b)

但大多数时候，当有人遇到向后查找问题时，事实证明他们甚至不应该使用它们。正如 @insin 指出的，通过使用捕获组可以更轻松地解决这个问题。

编辑：差点忘了 JGSoft，EditPad Pro 和 PowerGrep 使用的正则表达式风格；与 .NET 一样，它具有完全不受限制的后向查找（无论是正向查找还是负向查找）。