带有所有可选标记的正则表达式令人费解的行为

问题描述 投票：0回答：1

我正在读取时间跨度数据，对于所有非零时间单位，将显示一个值和单位。例如，如果（正好）过去了 1 天 1 分钟，则字符串将显示为：

1 d, 1 m

如果经过 1 小时 50 毫秒，字符串将显示为：

1 h, 50 ms

如果经过了 1 天、2 小时、3 分钟、20 秒和 479 毫秒，则字符串将显示为：

1 d, 2 h, 3 m, 20 s, 479 ms

如果只过去了 47 毫秒，则字符串将显示为：

47 ms

我在捕获每个单位的数量时想出的匹配该类型模式的正则表达式是：

(?:([\d]+) d, )?(?:([\d]+) h, )?(?:([\d]+) m, )?(?:([\d]+) s, )?(?:([\d]+) ms)?

它有效，只要我有一个标记为成功匹配的捕获组，我就可以轻松获取特定单元的值，以便构造一个 

TimeSpan
结构。

我已经在 RegexBuddy 中运行了该正则表达式（使用“C# (.NET 2.0-7.0)”引擎）并且它似乎有效（切换到 RegexBuddy 中的 Python 引擎给出了相同的结果），但在我的 .NET 7.0 程序中，它匹配了不应该匹配的数据，而且它在返回的 

MatchCollection
中提供了比我预期更多的元素。

如果我给它一个字符串，例如 

"1 d, 12 m, 25 s, 751 ms"
，那么 
Regex.IsMatch
返回 
true
（如预期）并且 
Regex.Matches
有两个元素：索引 0 处的元素有六个 
Groups
，其中填充了我所期望的内容，索引为 1 的那个也有 6 个 
Groups
，但基本上什么也没有填充。我只期望 
MatchCollection
中的一个元素。

一个更大的问题是，到目前为止，正则表达式也匹配我向它抛出的任何内容。它匹配：

hello

22ms

等等

当我说“匹配”时，我的意思是 

Regex.IsMatch
返回 
true
。对于 
hello
，
Regex.Matches
返回具有 7 个元素的 
MatchCollection
，全部为空，全部显示 
Success
的 
true
属性。

起初我想：嗯，除了可选标记之外什么都没有，所以，它有点像一个空的正则表达式，但在 RegexBuddy 中，相同的正则表达式并不匹配所有内容：它只匹配（突出显示）我所期望的内容。

下面的代码可以轻松地重复该问题。到目前为止，无论我给 

str
赋予什么值，它都会“匹配”（
regex.IsMatch(str)
总是返回 
true
），这似乎是不正确的，特别是考虑到 RegexBuddy 没有表现出这种行为。

public static TimeSpan StackOverflow(string str)
{
    var regex = new Regex("(?:([\\d]+) d, )?(?:([\\d]+) h, )?(?:([\\d]+) m, )?(?:([\\d]+) s, )?(?:([\\d]+) ms)?",
        RegexOptions.Compiled | RegexOptions.IgnoreCase);
    if (false == regex.IsMatch(str))
    {
        throw new ArgumentException($"'{str}' is not a recognized pattern");
    }
    var matchCollection = regex.Matches(str);
    Match match = matchCollection[0];
    return new TimeSpan(match.Groups[1].Success ? int.Parse(match.Groups[1].Value) : 0,
        match.Groups[2].Success ? int.Parse(match.Groups[2].Value) : 0,
        match.Groups[3].Success ? int.Parse(match.Groups[3].Value) : 0,
        match.Groups[4].Success ? int.Parse(match.Groups[4].Value) : 0,
        match.Groups[5].Success ? int.Parse(match.Groups[5].Value) : 0);
}

我刚刚使用相同的正则表达式在 regex101.com 上测试了 

hello
，它似乎反映了我的 .NET 程序显示的内容 
hello
：它显示了 6 个匹配项，全部在“空字符串”上。

我的猜测是问题出在正则表达式上，我的直觉与上面已经相关，问题在于有一个由所有可选标记组成的正则表达式。我最初想要完成（但未能完成）的是一个正则表达式，该表达式将与所描述的模式匹配，但至少要匹配其中一个数量/单位。如有任何帮助，我们将不胜感激。

谢谢。

c# .net regex
1个回答
0
投票

将问题分为两个：匹配和验证。

匹配

我相信 RegexBuddy 有一些自己的规则需要应用，这导致结果与 C# 代码（和 regex101）的结果不同。不过，我不会在这个答案中对其进行逆向工程。

让我们从两个问题开始：

  1. 首先，你需要知道自己想要什么。您可能认为您想要匹配，但是什么样的匹配？
  2. 您已经知道您的正则表达式将始终匹配，因为它的所有部分都是可选的。但这种情况是怎么发生的，不是一次而是多次？

答案：正则表达式引擎从字符串的第一个位置/字符启动；它会尝试匹配您的正则表达式，如果不顺利，它将在下一个位置重试。因此，它在位置 1 处获得了一场比赛，该位置是空的，然后在位置 2 处获得了另一场比赛，依此类推。

为了确保正则表达式匹配整个字符串而不留下任何前导或尾随字符（通常也称为完全匹配），您需要anchors：

^
（表示开始）和
$
，这意味着结束。请注意，在多行模式下 (
RegexOptions.Multiline
)，它们具有不同的含义。

因此，更新后的正则表达式应如下所示：

^
<original>
$
。这不再匹配
hello
。这是第一步。

正在验证

如果您曾经尝试过使用正则表达式验证密码，您至少会遇到这种先行模式：

^                 # start-of-string
(?=.*[0-9])       # a digit must occur at least once
(?=.*[a-z])       # a lower case letter must occur at least once
(?=.*[A-Z])       # an upper case letter must occur at least once
(?=.*[@#$%^&+=])  # a special character must occur at least once
(?=\S+$)          # no whitespace allowed in the entire string
.{8,}             # anything, at least eight places though
$                 # end-of-string

同样适用于您的：

(?=.)
，表示“至少一个字符”。

瞧瞧

^(?=.)(?:([\d]+) d, )?(?:([\d]+) h, )?(?:([\d]+) m, )?(?:([\d]+) s, )?(?:([\d]+) ms)?$

在 regex101.com 上尝试一下。

附录

正如您可能已经看到的，新的正则表达式（甚至您原来的正则表达式）与

1 d, 1 m

 不匹配。这是因为
, 
 部分不是可选的。将它们替换为
(?:$|, )
（字符串结尾，或逗号和空格）。弄清楚这个小修改是如何工作的，留给读者作为练习。

另请注意，

[\d]

 与
\d
 完全相同，并且
(?!$)
 可以用来代替
(?=.)
。

最新问题
© www.soinside.com 2019 - 2024. All rights reserved.