Question

我想从日期时间偏移值中删除(CDT)。我在下面编写了简单的正则表达式这样做，它按原来的预期工作，但写完之后我就不知道为什么会这样。为什么结果不会在2012年停止？

原始字符串： "Thu, 02 Aug 2012 07:42:02 -1525 (CDT)"

正则表达式： .*\d{4}

结果： "Thu, 02 Aug 2012 07:42:02 -1525"

Answer 1

它有效，因为.*是greedy。

这意味着，.*在做其他事情之前会尽可能多地匹配。

当正则表达式适用时，.*匹配整个事物，因为它是贪婪的：

星期四，2012年8月2日07:42:02 -1525（CDT）

然后尝试匹配\d{4}，但不幸的是，它不匹配任何东西，因为它在最后。因此，正则表达式（.*部分）将回溯（返回并返回之前匹配的内容），每次一个字符，每次检查\d{4}：

星期四，2012年8月2日07:42:02 -1525（CDT ）[不匹配]

星期四，2012年8月2日07:42:02 -1525（CD T）[不匹配]

星期四，2012年8月2日07:42:02 -1525（C DT）[不匹配]

星期四，2012年8月2日07:42:02 -1525（ CDT）[不匹配]

星期四，2012年8月2日07:42:02 -1525 （CDT）[不匹配]

星期四，2012年8月2日07:42:02 -1525 （CDT）[不匹配]

...

星期四，2012年8月2日07:42:02 - 1525（CDT）

此时，它可以匹配\d{4}，这就是它将要执行的操作：

星期四，2012年8月2日07:42:02 -1525 （CDT）

由于正则表达式中没有其他内容，因此将在此结束。

Answer 2

量词*是贪婪的。这意味着它将尽可能匹配。

这就是\d{4}与1525匹配，.*与之前的字符匹配的原因。

如果您使用延迟量词*?，那么在尝试更长的序列之前，它将首先与最小数量的字符匹配。在这种情况下，它会\d{4}与2012匹配。

Answer 3

模式.*\d{4}匹配零个或多个字符（贪婪）后跟4个数字的任何序列。

它的工作原理是因为它匹配字符串中最后四位数的所有内容（1525）并忽略字符串的剩余部分。

请注意，您的模式有点危险。如果您的输入缺少时区偏移量，则结果将显着不同：

输入：Thu, 02 Aug 2012 07:42:02
输出：Thu, 02 Aug 2012

Answer 4

.* greedy 因此在找到最后一个可能的四位\d{4}之前消耗尽可能多的字符。

在某些正则表达式引擎（例如perl）中，您可以添加?来指定非贪婪匹配：.*?\d{4}，该匹配应与2012匹配。

Answer 5

据说sybmol *“贪婪”。这意味着在强制匹配以下标记之前，它将匹配前一个字符的尽可能多的字符。 1525是最后一个可以满足\ d {4}的部分，所以。*抓住所有东西直到1525年。

？通常作为非贪婪的令牌。

Answer 6

正则表达式引擎步骤：

matches                                | pattern | description
---------------------------------------+---------+-------------------------------
Thu, 02 Aug 2012 07:42:02 -1525 (CDT)  | .*      | match all possible characters
---------------------------------------+---------+-------------------------------
Thu, 02 Aug 2012 07:42:02 -1525 (CDT)  | \d{4}   | the RE doesn't find the 4 digits
---------------------------------------+---------+-------------------------------
Thu, 02 Aug 2012 07:42:02 -1525 (CDT   | \d{4}   | the RE backtracks char by char
---------------------------------------+---------+-------------------------------
Thu, 02 Aug 2012 07:42:02 -1525 (CD    | \d{4}   | to try to find the 4 digits
---------------------------------------+---------+-------------------------------
Thu, 02 Aug 2012 07:42:02 -1525 (C     | \d{4}   | no match
---------------------------------------+---------+-------------------------------

...

---------------------------------------+---------+-------------------------------
Thu, 02 Aug 2012 07:42:02 -1           | \d{4}   | no match
---------------------------------------+---------+-------------------------------
Thu, 02 Aug 2012 07:42:02 -1525        | \d{4}   | match
---------------------------------------+---------+-------------------------------

为什么这个正则表达式有效？

6 个答案: