正則表達式可選組不能正常工作

Question

目前我正在學習正則表達式，還有很多我不明白的東西。

我有一張桌子的網站，我想要提取物品。其中一列可以包含固定值（在本例中爲「foo」）或不包含任何內容，其他列始終包含一些數據。提取它們的效果很好，但特殊欄中的可選內容不適用。因此，我使用像

<a id=x .*?>(.*?)</a>.*?<a id=y .*?>(.*?)</a> 

我的實際問題的一種表達是最終的表達的以下部分

... .*?(foo)?.*? ... 

應實現與其它小區之間存在與內容FOO細胞，所述細胞能錯過並且只應在其返回時才返回。我究竟做錯了什麼？一些基本的理解？

Answer 1

在正則表達式.*?(foo)?.*?中，由於foo是可選的，因此正則表達式引擎只會查看文本中的當前位置。如果foo在那裏，它將包含在比賽中;否則，它只會跳過而不檢查根本沒有任何foo。

通過將正則表達式修改爲(.*?foo|.*?).*?，可以改變行爲。正則表達式將盡最大努力找到下一個foo。除非前面的字符串不包含foo，否則上面的正則表達式肯定會消耗foo。在regex-directed engine中，更改|是不公平的，在這種情況下，正則表達式引擎在嘗試下一個引擎之前最好匹配前面指定的引擎，並且如果它匹配任何東西，它將繼續（除非有前面的某些東西不匹配，那麼它會回頭和回溯）。

請注意，我上面演示的可能是而不是的解決方案。你應該查看數據，看看是否有任何好的功能來限制角色的消費方式，以便區分這些匹配。