看看这个正则的匹配结果

xiaothree

123456789
正则为((?<=\d)(\d{3}))*
我觉得是匹配5678，但是实际结果是空

woodie

原帖由 xiaothree 于 2008-7-15 18:09 发表
test]$   echo 123456789|perl -pe 's/((?

比较有趣的现象，看起来像是perl的BUG。
问题出现在字符串起始位置，反向预查如果加上量词"*"会匹配空，即非贪婪匹配。如：

1. $ echo 123456789|perl -pe "s/(?<=^)((?<=\d)(\d{3}))*/_$＆_/"
   
2. __123456789

复制代码

但其它位置好像就没问题，如：

1. $ echo 123456789|perl -pe "s/(?<=.)((?<=\d)(\d{3}))*/_$＆_/"
   
2. 1_234567_89

复制代码

目前只好建议你改写一下正则来避免这个问题，如这样：

1. $ echo 123456789|perl -pe "s/(?<=\d)(\d{3})*/_$＆_/"
   
2. 1_234567_89

复制代码

—————
呵呵，楼主提的真是个好问题啊，我前面的回答却不太正确。不好意思
看来得继续分析一下，要不对不起楼主的悬赏分数啊！

我在27楼的说法前面部分大体上是对的，但由于没有对具体例子中的匹配过程一步一步仔细分析，所以推论是有问题的。

我把27楼的部分内容抄在下面:

根据perl的正则引擎(使用NFA)的匹配顺序，引擎依次从字符串读入一个字符，看是否与正则式匹配。引擎缺省地采用贪婪匹配的方式，即尽可能地找到最长的匹配，这意味着找到一个匹配后引擎并不会立即停止，而是读入更多的字符，试图找到更长的匹配，直到字符串的字符被消耗完，如果这时不匹配，引擎会吐回一个字符再检查，这叫做回溯。
...

这里有两个关键的概念：贪婪匹配和回溯。

NFA缺省是贪婪匹配的，在有匹配时会继续读入字符试图匹配更长的字串，这一点没问题；但是有一点很关键：在遇到回溯时，如果已经有了匹配，NFA引擎会直接采用已有的匹配，而不再尝试新的（也许是更好的匹配）。就是说已有匹配的前提下，回溯后不再尝试新的匹配。这点很重要，请牢记，在下面的分析中会多次用到。

由于这个特点，NFA引擎可能会错失一些更长的匹配，我们来看这个例子：

1. 
   
2. $ echo Alice and tom have a tomcat|perl -pe 's/(tom|tomcat)/<$1>/'
   
3. Alice and <tom> have a tomcat
   

复制代码

看到了吗？perl匹配了先出现的较短的tom而错失了更长的tomcat。

我们来分析一下匹配的过程：

1.前面的匹配过程我说得简略点吧。perl读入字符尝试匹配但一直失败，直到读入字符tom，这时找到了第一个子表达式对应的匹配，"tom"。
2.由于贪婪性，匹配并不停止，perl读入下一个字符“ ”即空格，这时两个子式都不匹配，所以回溯，“吐回”一个字符，因为前面已经有了一个匹配，所以就采用那个匹配即“tom”，返回。更长的第二个子式就得不到匹配了。

由这个例子可以看出：NFA有可能错过一些可能的匹配，有时甚至是更好的匹配，这是NFA本身的匹配方法固有的弱点。我们在写表达式时要注意避免这一弱点，例如上面的例子，如果我们把较长的子式“tomcat”写在前面，类似(tomcat|tom)这样，它就会优先得到匹配了。

下面我们再来分析楼主的例子：

1. $ echo 123456789|perl -pe "s/((?<=\d)(\d{3}))*/_$＆_/"
   
2. __123456789

复制代码

表达式匹配了空串，看起来有点奇怪。让我们一步一步分析一下：

1.在读入第一个字符以前，即现在我们处于串首，可以匹配“^”。这时perl尝试与表达式匹配，非常不幸，确实有一个不太好的匹配：((?<=\d)(\d{3}))的0次出现,即空串。
2.由于贪婪性，perl继续尝试匹配，读入第一个字符"1"，第一个子式“(?<=\d)”要求当前位置前面是一个数字，匹配成功，但第二个子式匹配失败，应该回溯，回吐字符“1”。
3.回溯后，因为前面已经有一个匹配，perl返回那个匹配，完成匹配。
这样perl就作出了一个似乎不符合贪婪性的匹配--空串。

我上面给出的第一个例子也类似：

1. $ echo 123456789|perl -pe "s/(?<=^)((?<=\d)(\d{3}))*/_$＆_/"
   
2. __123456789

复制代码

1.在读入第一个字符以前，perl尝试与表达式匹配，同样有一个鸡肋的：(?<=^)加((?<=\d)(\d{3}))的0次出现,也是一个空串。
2.由于贪婪性，perl继续尝试匹配，读入第一个字符"1"，第一个子式“(?<=^)”要求当前位置前面是串首，但却是字符1匹配失败，应该回溯，回吐字符“1”。
3.回溯后，因为前面已经有一个匹配，perl返回那个匹配-—空串，完成匹配。

再看楼主另一个例子，用量词+代替了量词*：

1. $ echo 123456789|perl -pe "s/((?<=\d)(\d{3}))+/_$＆_/"
   
2. 1_234567_89

复制代码

匹配返回了符合贪婪性的结果234567。分析：

1.同样在读入第一个字符以前，perl尝试与表达式匹配，但这次量词不是*而是+，所以匹配失败。
2.因为前面没有成功的匹配，所以perl读入第一个字符"1"，再尝试匹配，这时第一个子式(?<=\d)匹配，但第二个子式不匹配。
3.因为前面没有成功的匹配所以继续读入第二个字符“2”，仍旧没有匹配。
4.依次类推直到读入字符“4”，这时有一个匹配“234”,perl记下这个状态。
5.由于贪婪性，perl继续尝试匹配，读入第下个字符"5",这时有两个匹配“234”和“345”。
6.依次类推直到读入字符“7”，这时有匹配“234”,“345”，“456”，“567”和一个长匹配“234567”。
7.由于贪婪性，perl继续尝试匹配，读入下个字符"8",这时有匹配：“234”,“345”，“456”，“567”，“678”，“234567”和“345678”。
8.perl继续读入下个字符"9"，这时有匹配：“234”,“345”，“456”，“567”，“678”，“789”，“234567”，“345678”和“456789”。此时字符串耗尽，perl返回第一个最长的匹配“234567”，匹配结束。
这里的关键之处是读入第一个字符前的尝试匹配失败，所以perl必须继续读入新字符尝试成功的匹配。

再看我第二个例子：

1. $ echo 123456789|perl -pe "s/(?<=.)((?<=\d)(\d{3}))*/_$＆_/"
   
2. 1_234567_89

复制代码

同样读入第一个字符前的尝试匹配失败，因为第一个子式“(?<=.)”要求前面是任意一个字符，不匹配。于是perl只好继续读入新字符尝试成功的匹配。直到读入最后一个字符，然后返回第一个最长匹配“234567”。

再看我给楼主建议的第三个例子：

1. $ echo 123456789|perl -pe "s/(?<=\d)(\d{3})*/_$＆_/"
   
2. 1_234567_89

复制代码

其中去掉了包围两个子式的小括号。

同样读入第一个字符前的尝试匹配失败，因为第一个子式“(?<=\d)”要求前面是一个数字，匹配失败。同样perl只好继续读入新字符尝试成功的匹配。直到读入最后一个字符，然后返回第一个最长匹配“234567”。

总结一下：

1.NFA（为大多数程序采用）下量词*和+是贪婪匹配的，在匹配成功的前提下引擎会不断读入下一个字符尝试新的匹配，直到匹配失败或字符串耗尽。这样通常会返回尽可能长的匹配。

2.匹配失败后引擎会回溯，回溯后如果前面已经有了成功的匹配，引擎会直接采用已有的匹配，不再尝试新的匹配。这样常常会因此错失可能有的更长的匹配。所以我们写正则时要注意避免这种情况发生。上面提到了两种情况：
其一，并列的子式，比较长的最好写在前面；
第二，为了避免*量词错误地匹配0次出现，应该仔细编写表达式，避免在读入第一个字符前就造成已有空匹配。

按照上面的分析方法再看看29楼walkerxk的例子就很清楚了，(12)*会造成读入第一个字符前有空匹配，(12)的0次出现。所以必然第一次就会只匹配到空串；12*不会造成读入第一个字符前有匹配所以不会第一次就只匹配到空串，例子中第一次实际上会匹配到1。



注意：discuz好像会过滤＄＆，所以上面用了全角＆，粘贴代码时请改成半角＆。

[ 本帖最后由 woodie 于 2008-7-17 00:59 编辑 ]

walkerxk

walkerxk@www:~$ echo 123456789|perl -pe 's/(?<=\d)(\d{3})/a/'
1a56789
walkerxk@www:~$ echo 123456789|perl -pe 's/(?<=\d)(\d{3})*/a/'
1a89
walkerxk@www:~$
你的写法不对，而且怎么可能是匹配5678呢？应该是匹配第一个数字后的位置和234三个数字。

可可熊

这得看具体是哪个工具的正则。
[cocobear@cocobear test]$ echo "123456789" | grep -e '((?<=\d)(\d{3}))*'
[cocobear@cocobear test]$

err7dd

(?<=exp)  零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp
((?<=\d)(\d{3}))* 这个其实是 其自身（(\d{3}))*）出现的位置前面能匹配 一个数字，对于字串 123456789，(\d{3}))* 表示一个3位数字出现0次我>0次，为贪婪匹配，那么字串末尾9为exp，其自身为空，所以这个正则匹配为空，
你改成 若匹配5678 你用 ((?<=\d{4})(\d{4}))  试一下

xiaothree

test]$   echo 123456789|perl -pe 's/((?<=\d)(\d{3}))+/a/'
1a89                                       －－－－－－贪婪匹配，匹配最大（2次）

test]$   echo 123456789|perl -pe 's/((?<=\d)(\d{3}))+?/a/'
1a56789                                 －－－－－－非贪婪匹配，匹配最小（1次）

上面两个在意料之中，

test]$   echo 123456789|perl -pe 's/((?<=\d)(\d{3}))*/a/'
a123456789                           －－－－－－按理也应该是贪婪匹配，为什么就匹配空呢？

youyuanyin

是perl还是shell啊

xiaothree

perl

youyuanyin

#!/usr/bin/perl -w
while(<>){
        chomp;
        $_=~/\S((?<=\d)(\d{3}))*/;
        print "$&\n";
}


测试文件内容是123456789

$&是匹配到的内容
运行结果是
[root@youzi perl-study]# ./decimal.pl decimal.txt
1234567

dexter_yccs

暈死了，我都看不明白，回去看書了