我正在测试一些随机正则表达式并且遇到了一些奇怪的结果。假设我们有正则表达式(ab|(ba)*|a)*它与aba不匹配，但如果我删除内部星标(ab|(ba)|a)*或者如果我切换术语的顺序，(a|ab|(ba)*)*这两个案例现在匹配aba。那么为什么会这样呢？是否与歧义或嵌套*有关？我知道它是一个奇怪的测试用例，而内部*是多余的，但我只想了解这些结果。我正在使用regex101.com进行测试。
答案 0 :(得分：3)
交替运算符（|）正在短路，并且将始终尝试匹配最左侧的子模式，直到该模式失败，此时它将尝试匹配下一个子模式。只能匹配非重叠的模式。空字符串匹配导致当前贪婪模式结束，因为空字符串可以无限匹配，并且继续这样做是不合理的，贪婪或不贪婪。贪婪并不一定意味着愚蠢。 ：）
因此，对于模式(ab|(ba)*|a)*和字符串'aba'，它将匹配字符串开头的“ab”。由于您在最外面的捕获组*上使用贪心量词，因此正则表达式将继续尝试与最外面的捕获组进行更长时间的匹配。匹配迭代器将在第3个字符处，它将尝试匹配'ab'，但它将失败。然后，一旦意识到它可能与空字符串无限次匹配(ba)*，它将结束匹配（不使用(ba)* 和捕获任何内容而不尝试匹配最后一个替代模式a）并返回最外层重复捕获组的最后一次迭代。
现在，如果你切换与交替运算符链接的子模式的顺序，如(ab|a|(ba)*)*，那将匹配整个字符串，因为匹配器能够使匹配迭代器前进a，然后使用第3个替代子模式的最终空字符串匹配完成匹配。
(ab|(ba)|a)*也有效，因为第二个替代无法与空字符串匹配，因此只要它不匹配ba，它就会成功转到尝试匹配a。
修复它的另一种类似方法是使用(ab|(ba)+|a)*。这将正确地导致第二种替代方法正确失败而不是匹配它。
解决此问题的最后一种方法是将锚点用于字符串的末尾，通常由$表示。模式(ab|(ba)*|a)*$能够在匹配第二个替代方案时正确失败，因为它意识到它永远不会通过这样做而到达字符串的末尾。它仍将匹配第二个替代最终，但只有在匹配迭代器遍历到字符串结尾之后才会匹配。
这就是为什么您只能从最外面的捕获组中看到一次捕获字符串'aba'的原因。模式(ba)*将始终与索引2-2（或任何空子字符串）匹配，然后结束当前匹配并阻止下一个a匹配，但除非您将捕获任何内容在您的字符串中有一个明确的'ba'，它与之前的任何替代品都不重叠。
答案 1 :(得分：2)
您的假设是错误的：它与aba匹配，请参阅here。
重点是“正则表达式”更喜欢匹配的区别。但是，如果您强制正则表达式从开始到结束匹配，它将完全匹配aba。
更多细节：如果你使用析取模式（例如r|s与r和s其他正则表达式）：正则表达式“喜欢”选择左正则表达式{{1在正确的正则表达式r上方。例如，如果正则表达式显示s且输入为(a|aa)*，则可以匹配第一个项目两次，或使用第二个项目。在这种情况下，正则表达式喜欢选择第一个项目两次。
同样适用于重复，正则表达式希望尽可能多地重复 Kleene星 aa中的项目。