当我告诉它不要贪婪的时候，为什么这个霸王龙表现得贪婪呢？

Question

我试图将系统宏的以下EBNF文法编码为正则表达式(如下所示)，但尽管我尽了最大的努力，它似乎还是在多个宏之间贪婪地匹配:它不会在关闭}}@时停止。

    Expand ``@{{...}}@`` references which may appear in Step parameters.
    The syntax is described by the following EBNF grammar::

        depdata = "@{{", source identifier, ":", attribute, "}}@"
                | "@{{TAGS:", expression, "}}@" ;
        source identifier = ? printable 7-bit ASCII ? ;
        attribute = "DATADIR" | "TAGSFILE" | "RESULT_INT" ;
        expression = ? printable 7-bit ASCII ? ;

和我想出的Python正则表达式

@{{(?:(?:(?P<id>.*?):(?P<attr>DATADIR|TAGSFILE|RESULT_INT))|TAGS:(?P<expr>.+?))}}@

编辑：在expr组中添加缺失的+

​

​

Debuggex Demo

当在下面的测试用例中找到所有匹配时，我希望结果是三个匹配，但我只得到两个：

@{{TAGS:sTagsJob << "job||ID||source"}}@ test  @{{job:DATADIR}}@ email body @{{job:DATADIR}}@ blah

我期望的比赛是：

1. 具有@{{TAGS:sTagsJob << "job||ID||source"}}@组集的expr
2. 设置了@{{job:DATADIR}}@和attr组的id
3. @{{job:DATADIR}}@ (再次)，设置了id和attr组

但与之相反的是：

1. @{{TAGS:sTagsJob << "job||ID||source"}}@ test @{{job:DATADIR}}@
2. @{{job:DATADIR}}@

为什么非贪婪的火柴(.+?)似乎是贪婪的？我错过了什么？

(是的，我知道EBNF语法很愚蠢，可以通过将固定字符串显示在右边来改进。但这不是我的问题:我想知道为什么我的regex-fu让我失望)

Answer 1

点匹配任何字符(如果DOTALL模式关闭，则为换行符)。*和*?匹配0+字符，只是.*一次抓取所有内容，*?一步一步地完成，在重新尝试*?子subppatern之前检查匹配的后续子模式。在这里，您混淆了“贪婪”的含义:注意regex试图“以一切方式”找到匹配，当字符串中的某个位置发生不匹配时，它会重试量化的子模式，引擎会用贪婪的量词回溯，它会尽一切努力获取一个匹配。懒惰量词并不能保证您的模式不会因为量词定义中的额外?而过热。

因此，避免使用点匹配模式，如果您不是真正的意思，如果该模式是已知的。这里，可打印的ASCII模式是必需的-然后使用它，不依赖于点匹配。

@{{(?P<id>TAGS|[ -~]+?):(?:(?P<attr>DATADIR|TAGSFILE|RESULT_INT)|(?P<expr>[ -~]+?))}}@

见regex演示

注意，[ -~]匹配任何可打印的ASCII字符。见http://www.catonmat.net/blog/my-favorite-regex/。

模式匹配：

• @{{前导定界符
• (?P<id>TAGS|[ -~]+?) -匹配TAGS或1+可打印的ASCII字符的id组，但尽可能少，因为它也匹配: (您可以限制字符类的前瞻性以排除:或用[ -9;-~]替换以使模式更加优化，并使用这个量词消除? )
• : -文字:
• (?:(?P<attr>DATADIR|TAGSFILE|RESULT_INT)|(?P<expr>[ -~]+?)) --将DATADIR、TAGSFILE或RESULT_INT匹配为attr组，或匹配一个或多个可打印的ASCII (尽可能少)，并将位置匹配为组"expr“。同样，它在这里很懒，因为[ -~]与}匹配。否则，您可以在这里使用脾气暴躁的象征：(?:(?!}}@)[ -~])+。请参阅演示
• }}@ -尾随分隔符

Answer 2

这里有一个看起来像你想做的事的正则表达式：

@{{(?:(?:(?P<id>[^:]*?):(?P<attr>DATADIR|TAGSFILE|RESULT_INT))|TAGS:(?P<expr>.*?))}}@

这是正确匹配的：

MATCH 1
expr    [8-37]  `sTagsJob << "job||ID||source"`

MATCH 2
id  [50-53] `job`
attr    [54-61] `DATADIR`

MATCH 3
id  [79-82] `job`
attr    [83-90] `DATADIR`

您的正则表达式中有一个错误阻止它匹配TAG部件(P<expr>.?))}}@中忘记了一个kleene星？)，但这本身并不能解决匹配过多的问题，所以我在<id>之后将这个点更改为“非冒号”。