正则学习请教3

山菊花

4楼5楼言简意赅，一语中的，有诗一般的韵味，真的不错。
反复读，一定能读出名堂来。

当然，两位高手如能就“为什么不能”、“如何才能”两个话题作些解读，可惠及更多后来人。

小花鹿

山菊花 发表于 2015-9-10 21:20
4楼5楼言简意赅，一语中的，有诗一般的韵味，真的不错。
反复读，一定能读出名堂来。

呵呵，版主真幽默，谢谢你了。

山菊花

一点都不幽默，都是大实话。
5楼结尾一句话：“而楼上用懒惰匹配模式”.*?“匹配了这些字符”，你不觉得这是一张送给你我寻找答案的门票么？
关于正则的文章网上很多，打开这些文章，搜索一下“懒惰匹配模式”，详细的答案不是有了么？

ヤ平淡人生ヤ

{:soso_e176:}5楼回答很清楚了。

liu-aguang

失败原因:
目标文本: 在1998年又出版了windows98 ，和97一样，98也OK也很好用
正则: (?=windows)(?=\d+年).*OK(.*)
此正则可看成三个子表达式:(1)  (?=windows) ;   (2) (?=\d+年);    (3) .*OK(.*)
匹配过程:
从左至右, 在"在1998年又出版了"每个字符上测试正则的子表达式(1)都是失败的, 直到字符"w"所在位置处子表达式(1)匹配成功,这时在同一位置处测试子表达式(2),显然失败. 于是引擎继续在目标文本中移动到下一位置, 即"i"所在位置, 而引擎通过"回溯"机制,正则表达式重新回到子表达式(1)处,用子表达式(1)去"i"所在位置尝试匹配,肯定会失败.直至行尾的每个位置上子表达(1)都是失败的. 最后引擎报告结果---整体匹配失败.结束!

按题意,可以用一个更容易理解正则完成任务:
^.*?(?:windows|\d+年).*?(?:windows|\d+年).*?OK(.*)

小花鹿

liu-aguang 发表于 2015-9-10 22:47
失败原因:
目标文本: 在1998年又出版了windows98 ，和97一样，98也OK也很好用
正则: (?=windows)(?=\d+年 ...

失败原因:
目标文本: 在1998年又出版了windows98 ，和97一样，98也OK也很好用
正则: (?=windows)(?=\d+年).*OK(.*)
此正则可看成三个子表达式:(1)  (?=windows) ;   (2) (?=\d+年);    (3) .*OK(.*)
匹配过程:
从左至右, 在"在1998年又出版了"每个字符上测试正则的子表达式(1)都是失败的, 直到字符"w"所在位置处子表达式(1)匹配成功,这时在同一位置处测试子表达式(2),显然失败. 于是引擎继续在目标文本中移动到下一位置, 即"i"所在位置, 而引擎通过"回溯"机制,正则表达式重新回到子表达式(1)处,用子表达式(1)去"i"所在位置尝试匹配,肯定会失败.直至行尾的每个位置上子表达(1)都是失败的. 最后引擎报告结果---整体匹配失败.结束!
按题意,可以用一个更容易理解正则完成任务:
^.*?(?:windows|\d+年).*?(?:windows|\d+年).*?OK(.*)
.....................................................................................................分割线................................................................
第一个问题：
这种解释我看明白了，现在我用自己的话再复述一遍：
从左至右，先在“在”这个字符位置上开始，测试子表达式1，不跟windows ，所以失败，再移动到下一位置“1 “，同样也不跟windows ，所以也匹配失败，一直到“了”都是失败的，直到“w” 开始紧跟windows ，所以子表达式1匹配成功，当子表达式1匹配成功后，位置不向下移动，而是在“w” 这个位置开始尝试匹配子表达式2，也就是说从“w” 这个位置开始是不是紧跟子表达式2 ，显然不成功，然后移动到下一位置“i” ，这时再尝试子表达式1，肯定失败，由此向右，子表达式1一直是失败的，所以，最后结果是失败。
但是，如果把子表达式1改成 (?=.*?windows) ，情况就不同了：
从左至右，先在“在”这个位置上用“在”匹配.*?，成功，再匹配windows ，不成功，回溯，再用“1” 匹配.*? ，成功，再匹配windows ，不成功，再回溯，一直到“了”与.*? 匹配成功，再匹配windows ，成功，这时位置还在“在”上面，这时从“在”这个位置开始，尝试子表达式2（\d+年)，先用“在”匹配子表达式2，不成功，再用“1” 匹配子表达式2，也不成功，一直到8前面的9，都不成功，但是到了“8” ，与子表达式匹配成功，这时位置仍然在“在”上面，在子表达式1 和子表达式2 成功的基础上，从“在”开始再尝试匹配子表达式3，显然是成功的，所以最终的结果是匹配成功。
其实(\d+年) 应该改成 (\d+?年)
....................................................................
上面这段表达有误，子表达式2匹配成功后，位置不应该在“在”上，而应该在“1” 上。
(\d+?年) 应该是 (\d+年)
....................................................................
第二个问题：
你所写的这个表达式 ^.*?(?:windows|\d+年).*?(?:windows|\d+年).*?OK(.*) 很好，很容易理解。
其实我事先也有个答案：(?=.*windows)(?=.*\d+年).*OK(.*) 只是效率不高，现在想想应该改成：(?=.*?windows)(?=.*?\d+年).*?OK(.*)

小花鹿

liu-aguang 发表于 2015-9-10 22:47
失败原因:
目标文本: 在1998年又出版了windows98 ，和97一样，98也OK也很好用
正则: (?=windows)(?=\d+年 ...

Sub test()
Dim reg, i&, s
s = "在1998年又出版了windows98 ，和97一样，98也OK也很好用"
Set reg = CreateObject("vbscript.regexp")
reg.Pattern = "(?=.*?windows)(?=\d+?年).*OK(.*)"
MsgBox reg.Execute(s)(0)
End Sub

我现在还是有疑问，按你这个帖子的解释过程，上面的代码结果应该是整个字符串：
在1998年又出版了windows98 ，和97一样，98也OK也很好用
而现在的结果是：
1998年又出版了windows98 ，和97一样，98也OK也很好用   （少了前面的“在”）

我怎么又解释不通了呢？

理解有误，结果是正确的，因为前两个括号匹配后，位置在“1 “ 上。

liu-aguang

小花鹿 发表于 2015-9-11 02:00
Sub test()
Dim reg, i&, s
s = "在1998年又出版了windows98 ，和97一样，98也OK也很好用"

1. 子表式(2)错误: 应为(?=.*?\d+年)
2. 在此题在"\d+?"使用忽略优先量词"?"是多余的,反而降低效率.
3. 整个正则前最好增加脱字符"^". 这个符号对成功匹配时效率影响小,但对失败匹配时却影响很大.它可以让引擎快速报告失败.

:::::一个良好的正则不但要能快速报告成功匹配,也能快速报告匹配失败!!!

小花鹿

谢谢 liu-aguang  老师的指导。

五音

liu-aguang 发表于 2015-9-11 08:27
1. 子表式(2)错误: 应为(?=.*?\d+年)
2. 在此题在"\d+?"使用忽略优先量词"?"是多余的,反而降低效率.
3. ...

深深敬佩liu-aguang！
他写的《正则表达式入门与提高》(http://club.excelhome.net/thread-1128647-1-1.html) 非常经典，我也一直在学习中。
高手未必都能当好老师，从这次的讨论中可以看出，liu-aguang既是高手，还是个好老师。
不少人懂而不精，或者知其然而不知其所以然。好比楼主的这个问题，我也能解，但只是一知半解，让我如此清楚明白地解释出来是很难的。