即使没有前瞻性，添加一些文本如何使这个正则表达式匹配输入？

Question

在回答时，我想到了这个正则表达式：

(?:(?!)(?:,foo=([^,]*),(?=())|.))*bar=2

^{（注意：此正则表达式需要 PyPI regex module）}

（简短说明：正则表达式依赖于这样一个事实，即前瞻中的捕获组在匹配一次后无法更改其值，因此在找到第一个 foo= 后， (?=()) 匹配，从那时起 (?!) 将永远失败。）

此正则表达式可正确处理问题中给出的 2 个示例：

>>> pattern = r'(?:(?!)(?:,foo=([^,]*),(?=())|.))*bar=2'
>>> regex.match(pattern, 'baz=0,foo=1,bar=2,foo=3,bar=4').group(1)
'1'
>>> regex.match(pattern, 'baz=0,foo=1,foo=1,bar=2')
>>>

但是如果 foo= after a bar=2:

会发生一些奇怪的事情

>>> # this doesn't match, as expected:
>>> regex.match(pattern, 'notfoo=1,bar=2')
>>> # but how the heck does it match this ?!
>>> regex.match(pattern, 'notfoo=1,bar=2,foo=3,')
<regex.Match object; span=(0, 14), match='notfoo=1,bar=2'>

如您所见，字符串 'notfoo=1,bar=2,foo=3,' 产生了 notfoo=1,bar=2 的匹配项。 foo=3, 甚至不包含在匹配中，但如果将其删除，正则表达式将不再匹配！这怎么可能？这是 regex 模块中的错误吗？

Answer 1

这实际上很有道理。这种行为的原因很简单：回溯。

事件顺序如下：

贪婪组(?:...)*一次前进一个字符，直到最终在,foo=3,

foo=

正则表达式尝试匹配 bar=2，但失败了
正则表达式一次回溯 1 个字符，直到 bar=2 匹配，得到 notfoo=1,bar=2.

那么，我们能做些什么呢？我们可以将 bar=2 移动到 贪婪组并使用另一个捕获组来断言正则表达式匹配成功：

(?:(?!)(?:,foo=([^,]*),(?=())bar=2()|.))*

>>> pattern = r'(?:(?!)(?:,foo=([^,]*),(?=())bar=2()|.))*'
>>> regex.match(pattern, 'baz=0,foo=1,bar=2,foo=3,bar=4').group(1)
'1'
>>> regex.match(pattern, 'baz=0,foo=1,foo=1,bar=2')
>>> regex.match(pattern, 'notfoo=1,bar=2')
>>> regex.match(pattern, 'notfoo=1,bar=2,foo=3,')
>>>

即使没有前瞻性，添加一些文本如何使这个正则表达式匹配输入？

How does adding some text make this regex match the input even though there's no lookahead?

python

regex

pypi-regex