正则表达式匹配字符串 - 正向前瞻

Question

正则表达式：(?=(\d+))\w+\1 字符串：456x56

嗨，

我不明白这个正则表达式如何匹配字符串“456x56”中的“56x56”。

1. 环视 (?=(\d+)) 捕获 456 并放入 \1，对于 (\d+)
2. 单词字符 \w+ 匹配整个字符串（“456x56”）
3. \1，即 456，后面应该跟 \w+
4. 回溯字符串后，应该找不到匹配项，因为前面没有单词字符“456”

但是正则表达式匹配 56x56。

Answer 1

正如前面所说，您不会锚定您的正则表达式。另一个问题是 \w 也匹配数字...现在看看正则表达式引擎如何继续与您的输入匹配：

# begin
regex: |(?=(\d+))\w+\1
input: |456x56
# lookahead (first group = '456')
regex: (?=(\d+))|\w+\1
input: |456x56 
# \w+
regex: (?=(\d+))\w+|\1
input: 456x56|
# \1 cannot be satisfied: backtrack on \w+
regex: (?=(\d+))\w+|\1
input: 456x5|6 
# And again, and again... Until the beginning of the input: \1 cannot match
# Regex engine therefore decides to start from the next character:
regex: |(?=(\d+))\w+\1
input: 4|56x56
# lookahead (first group = '56')
regex: (?=(\d+))|\w+\1
input: 4|56x56
# \w+
regex: (?=(\d+))\w+|\1
input: 456x56|
# \1 cannot be satisfied: backtrack
regex: (?=(\d+))\w+|\1
input: 456x5|6
# \1 cannot be satisfied: backtrack
regex: (?=(\d+))\w+|\1
input: 456x|56
# \1 satified: match
regex: (?=(\d+))\w+\1|
input: 4<56x56>

Answer 2

5) 正则表达式引擎得出的结论是，如果从 4 开始搜索，则无法找到匹配项，因此它会跳过一个字符并再次搜索。这次，它将两个数字捕获到 \1 中并最终匹配 56x56

如果您只想匹配整个字符串，请使用 ^(?=(\d+) )\w+\1$

^ matches beginning of string
$ matches end of string

Answer 3

运算符 + 是贪婪的，并且会根据需要回溯。前瞻 (?=(\d+)) 将匹配 456，如果正则表达式失败则匹配 56，如果正则表达式失败则匹配 6。第一次尝试：456。它匹配，组 1 包含 456。然后我们有 \w+ ，它是贪婪的，需要 456x56，没有剩下任何东西，但我们仍然必须匹配 \1即456。因此：失败。然后 \w+ 一次回溯一步，直到到达正则表达式的开头。但它仍然失败。

我们使用字符串中的一个字符。下一个回溯尝试与子字符串 56 进行前向匹配。它匹配并且组 1 包含 56。 \w+ 匹配直到字符串末尾并获得 456x56，然后我们尝试匹配 56：失败。因此 \w+ 回溯，直到字符串中剩下 56 个，然后我们就获得了全局匹配和正则表达式成功。

您应该尝试使用正则表达式伙伴调试模式。

Answer 4

好吧，这就是使它成为正向先行的原因

 (?=(\d+))\w+\1

当您说第一个 \d+ 将匹配 456 时，您是正确的，因此 \1 也必须是 456，但如果是这样的话：表达式将与字符串不匹配。

x 之前和 x 之后的唯一共同字符是 56，这就是获得正匹配的原因。

Answer 5

您列出的观点几乎完全错误，但不完全错误！

 1) The group  (?=(\d+)) matches a sequence of one or more digits
    not necessarily 456 
 2) \w captures any "word" character (a letter, a digit, or an underscore)
 3) \1 the is a back reference to the match in the group

因此，角色表达式意味着找到一个数字序列，后跟 s 个单词字符序列，后跟在字符前面找到的相同序列。因此比赛为 56x56。