正则表达式 - 奇怪的行为
Regular expression - Strange behavior
我正在写一个编译器。我刚刚开始，所以我正在创建扫描仪（或词法分析器）。目前，我正在编写一些将由我的扫描仪处理的常规定义。尝试创建其中之一，我 运行 在下一个问题中：
我在 RegExr 中测试了以下（极其简单的）正则表达式：
r = /(a|ab)/
其中"r"是正则定义；我的意思是，正则表达式就是 (a|ab).
我认为语言 L(r) 应该是（根据书 Compilers: Principles, Techniques and Tools）：
L(r) = {a, ab}
令人惊讶的是，该工具匹配 {a}!
所以我的问题是，为什么会出现这种行为？
正则表达式从左到右解析文本，如果是交流发电机 (|)，它将首先匹配第一个候选者。
如果您使用：
(ab|a)
它将匹配 ab 和 a。
关键是一旦找到匹配项，全局匹配器将在第一个匹配项结束后开始下一个匹配项尝试。
您可以轻松验证匹配的语言是 {a,ab}：使用正则表达式 ^c(a|ab)d 并使用 cabd。在这种情况下，正则表达式别无选择，只能选择第二个选项。
假设正则表达式为：(a|ab)，文本为 ab。它将与 a 匹配，接下来它将在 a 之后开始，因此它将尝试与 b 匹配，但失败。
然而，大多数词法分析器工具使用不同的方式来确定匹配。对于词法分析器工具，“最长匹配”很重要。所以匹配最长的字符数。
现在，如果您输入 (a|ba) 作为正则表达式，它将更早匹配 ba。为什么？因为它的目的也是为了找到第一个尝试。在文本 cbad 中，从索引 1 (b) 开始被认为比从索引 2 (a) 开始更好。
正则表达式 a|ab 匹配 "a" 或 "ab"（很明显），但某些 tools/languages（例如 Java）认为输入匹配时整个 输入与正则表达式匹配，而其他（例如Java脚本）在 一些 输入匹配时考虑输入匹配。
您的工具必须是 "some" 品种才能匹配“{a}”。
正如@bohemian 所说，一些正则表达式只评估字符串的一部分，如果你想匹配整个字符串，你可以使用这样的正则表达式：
/^(a|ab)$/
只接受 a 或 ab
我正在写一个编译器。我刚刚开始，所以我正在创建扫描仪（或词法分析器）。目前，我正在编写一些将由我的扫描仪处理的常规定义。尝试创建其中之一，我 运行 在下一个问题中：
我在 RegExr 中测试了以下（极其简单的）正则表达式：
r = /(a|ab)/
其中"r"是正则定义；我的意思是，正则表达式就是 (a|ab).
我认为语言 L(r) 应该是（根据书 Compilers: Principles, Techniques and Tools）：
L(r) = {a, ab}
令人惊讶的是，该工具匹配 {a}!
所以我的问题是，为什么会出现这种行为？
正则表达式从左到右解析文本，如果是交流发电机 (|)，它将首先匹配第一个候选者。
如果您使用：
(ab|a)
它将匹配 ab 和 a。
关键是一旦找到匹配项，全局匹配器将在第一个匹配项结束后开始下一个匹配项尝试。
您可以轻松验证匹配的语言是 {a,ab}：使用正则表达式 ^c(a|ab)d 并使用 cabd。在这种情况下，正则表达式别无选择，只能选择第二个选项。
假设正则表达式为：(a|ab)，文本为 ab。它将与 a 匹配，接下来它将在 a 之后开始，因此它将尝试与 b 匹配，但失败。
然而，大多数词法分析器工具使用不同的方式来确定匹配。对于词法分析器工具，“最长匹配”很重要。所以匹配最长的字符数。
现在，如果您输入 (a|ba) 作为正则表达式，它将更早匹配 ba。为什么？因为它的目的也是为了找到第一个尝试。在文本 cbad 中，从索引 1 (b) 开始被认为比从索引 2 (a) 开始更好。
正则表达式 a|ab 匹配 "a" 或 "ab"（很明显），但某些 tools/languages（例如 Java）认为输入匹配时整个 输入与正则表达式匹配，而其他（例如Java脚本）在 一些 输入匹配时考虑输入匹配。
您的工具必须是 "some" 品种才能匹配“{a}”。
正如@bohemian 所说，一些正则表达式只评估字符串的一部分，如果你想匹配整个字符串，你可以使用这样的正则表达式：
/^(a|ab)$/
只接受 a 或 ab