Question

占有量词是贪婪的，拒绝回溯。正则表达式/.{1,3}+b/应该表示：匹配除换行符之外的任何字符，尽可能多地匹配1到3次，并且不要回溯。然后匹配角色b。

在这个例子中：

'ab'.sub /.{1,3}+b/, 'c'    #=> "c"

不应该进行替换，与事实相反。

这两个例子的结果不同：

'aab'.sub /.{0,1}+b/, 'c'   #=> "c"
'aab'.sub /.?+b/, 'c'       #=> "ac"

将此与Scala进行比较，他们给出了相同的答案：

scala> ".{0,1}+b".r.replaceAllIn("aab", "c")
res1: String = ac
scala> ".?+b".r.replaceAllIn("aab", "c")
res2: String = ac

这是一个Ruby错误，还是可以激发这种行为？也许，Oniguruma出于某种原因对除了通用量词?之外的所有量词*，+，{m,n}实施了所有权？如果是这样，为什么？

Answer 1

真正发生的事情

似乎+后跟范围量词不会为范围量词提供所有格属性。相反，它被视为前面重复一次或多次。以.{1,3}+b为例，它等同于(?:.{1,3})+b。

变通

您可以使用更通用的构造非回溯组（或原子分组）(?>pattern)解决此问题。让我们使用一般情况pattern{n,m}+作为示例来构造具有非回溯组的等效正则表达式（相当于与pattern{n,m}+匹配时的Java行为）：

(?>(?>pattern){n,m})

为什么有两个级别的非回溯组？ 2是必要的，因为：

如果找到pattern（一个重复实例）的匹配项，则不允许在pattern内进行回溯。（请注意，只要未找到实例，就允许在pattern内进行回溯）。这是使用内部非回溯组模拟的。
当找不到pattern的更多实例时，不允许回溯以删除任何实例。这可以通过外部非回溯组来模拟。

我不确定这里是否有任何警告。如果您发现任何未使用此方法模拟的情况，请与我联系。

测试

测试1

起初，我测试了这个正则表达式：

(.{1,3}+)b

_{最初，我在没有捕获组的情况下进行了测试，但结果非常令人惊讶，我需要捕获组来确认发生了什么。}

在此输入上：

2343333ab

结果是整个字符串匹配，捕获组捕获了2343333a（最后没有b）。这表明上限已经在某种程度上被打破了。

DEMO at rubular

测试2

第二个测试揭示范围量词{n}的行为如何不能被修改为占有，并且这也可能适用于其他范围量词{n,}和{n,m}。相反，以下+只会重复出现一次或多次时间行为。

_{（我的初步结论是+会覆盖上限，但事实证明这是错误的。）}

测试正则表达式：

(.{3}+)b

输入字符串：

23d4344333ab
234344333ab
23434433ab

捕获组1中捕获的匹配都是3的倍数。从上到下，正则表达式分别为输入字符串跳过2,1,0个字符。

带注释的输入字符串（[]表示整个正则表达式的匹配，()表示通过捕获组1捕获的文本）：

23[(d4344333a)b]
2[(34344333a)b]
[(23434433a)b]

DEMO at rubular

测试代码

这是Java中的测试代码，表明外部和内部非回溯组都是必需的。 ideone

class TestPossessive {
  public static void main(String args[]) {
    String inputText = "123456789012";
    System.out.println("Input string: " + inputText);
    System.out.println("Expected: " + inputText.replaceFirst("(?:\\d{3,4}(?![89])){2,}+", ">$0<"));
    System.out.println("Outer possessive group: " + inputText.replaceFirst("(?>(?:\\d{3,4}(?![89])){2,})", ">$0<"));
    System.out.println("Inner possessive group: " + inputText.replaceFirst("(?>\\d{3,4}(?![89])){2,}", ">$0<"));
    System.out.println("Both: " + inputText.replaceFirst("(?>(?>\\d{3,4}(?![89])){2,})", ">$0<"));

    System.out.println();

    inputText = "aab";
    System.out.println("Input string: " + inputText);
    System.out.println("Expected: " + inputText.replaceFirst(".{1,3}+b", ">$0<"));
    System.out.println("Outer possessive group: " + inputText.replaceFirst("(?>.{1,3})b", ">$0<"));
    System.out.println("Inner possessive group: " + inputText.replaceFirst("(?>.){1,3}b", ">$0<"));
    System.out.println("Both: " + inputText.replaceFirst("(?>(?>.){1,3})b", ">$0<"));
  }
}

Answer 2

似乎这是在Oniguruma。 Documentation说{n,m}+, {n,}+, {n}+ are possessive op. in ONIG_SYNTAX_JAVA only。我想这是因为向后兼容的原因，或者？

拥有通用量词{m，n} +没有在Ruby 1.9.3中实现？

2 个答案:

真正发生的事情

变通

测试

测试1

测试2

测试代码