正则表达式可选捕获组？

Question

经过几个小时的搜索，我决定问这个问题。为什么这个正则表达式 ^(dog).+?(cat)? 不能像我认为的那样工作（即捕获第一只狗和猫，如果有的话）？我在这里错过了什么？

dog, cat
dog, dog, cat
dog, dog, dog

Answer 1

在 reluctantly-qualified .+? 之后没有得到可选的 cat 的原因是它既是可选的又是 non-anchored：引擎没有被强制进行匹配，因为它可以合法地将 cat 视为 .+? 序列的“尾巴”。

如果你将猫锚定在字符串的末尾，即使用 ^(dog).+?(cat)?$，你会得到一个匹配，但是：

Pattern p = Pattern.compile("^(dog).+?(cat)?$");
for (String s : new String[] {"dog, cat", "dog, dog, cat", "dog, dog, dog"}) {
    Matcher m = p.matcher(s);
    if (m.find()) {
        System.out.println(m.group(1)+" "+m.group(2));
    }
}

这会打印 (demo 1)

dog cat
dog cat
dog null

Do you happen to know how to deal with it in case there's something after cat?

你可以通过构造一个匹配除 cat 之外的任何东西的更棘手的表达式来处理它，就像这样：

^(dog)(?:[^c]|c[^a]|ca[^t])+(cat)?

现在 cat 可以出现在字符串中没有锚点的任何位置 (demo 2)。

Answer 2

@dasblinkenlight 的回答很好，但是当 he/she 被问到

时，这里有一个改进第二部分的正则表达式

Do you happen to know how to deal with it in case there's something after cat?

正则表达式 ^(dog)(.+(cat))? 将要求您捕获组号。 3 而不是 2 来获得可选的猫，但在没有逐字符欺骗的情况下也能正常工作。

这里是 the demo（同样，它是从@dasblinkenlight 的演示中分叉出来的，它让我可以修改并找到这个解决方案，再次感谢！）

Answer 3

@figha 的扩展名可以进一步扩展，以免进行不必要的第二次捕获。

使用 ?: 使正则表达式的括号部分不可捕获。所以正则表达式变成：^(dog)(?:.+(cat))?

同样，这里是 extended demo and the regex test。

Answer 4

没有任何特定顺序，匹配此类模式的其他选项是：

方法一

非捕获组：

^(?:dog(?:, |$))+(?:cat)?$

RegEx Demo 1

或使用捕获组：

^(dog(?:, |$))+(cat)?$

RegEx Demo 2

方法二

环顾四周，

(?<=^|, )dog|cat(?=$|,)

RegEx Demo 3

有字边界，

(?<=^|, )\b(?:dog|cat)\b(?=$|,)

RegEx Demo 4

方法三

如果字符串中只有一个 cat 而没有 dog，那么

^(?:dog(?:, |$))*(?:cat)?$

也是一个选择。

RegEx Demo 5

测试

import java.util.regex.Matcher;
import java.util.regex.Pattern;


public class RegularExpression{

    public static void main(String[] args){

        final String regex = "^(?:dog(?:, |$))*(?:cat)?$";
        final String string = "cat\n"
             + "dog, cat\n"
             + "dog, dog, cat\n"
             + "dog, dog, dog\n"
             + "dog, dog, dog, cat\n"
             + "dog, dog, dog, dog, cat\n"
             + "dog, dog, dog, dog, dog\n"
             + "dog, dog, dog, dog, dog, cat\n"
             + "dog, dog, dog, dog, dog, dog, dog, cat\n"
             + "dog, dog, dog, dog, dog, dog, dog, dog, dog\n";

        final Pattern pattern = Pattern.compile(regex, Pattern.MULTILINE);
        final Matcher matcher = pattern.matcher(string);

        while (matcher.find()) {
            System.out.println("Full match: " + matcher.group(0));
            for (int i = 1; i <= matcher.groupCount(); i++) {
                System.out.println("Group " + i + ": " + matcher.group(i));
            }
        }

    }
}

输出

Full match: cat
Full match: dog, cat
Full match: dog, dog, cat
Full match: dog, dog, dog
Full match: dog, dog, dog, cat
Full match: dog, dog, dog, dog, cat
Full match: dog, dog, dog, dog, dog
Full match: dog, dog, dog, dog, dog, cat
Full match: dog, dog, dog, dog, dog, dog, dog, cat
Full match: dog, dog, dog, dog, dog, dog, dog, dog, dog

如果您希望 simplify/modify/explore 表达式，regex101.com. If you'd like, you can also watch in this link 的右上面板已对其进行说明，它将如何匹配一些样本输入。

正则表达式电路

jex.im 可视化正则表达式：

正则表达式可选捕获组？

Regex optional capturing group?

regex

optional

capturing-group

方法一