正则表达式的顺序优先级

前言

假设存在匹配示例：匹配a-c@或a@

你认为正则a|(a-c)(?=\W)与(a-c)|a(?=\W)都能匹配上面的示例吗？这2个正则有什么本质区别？哪一个才是正确的写法？--这就涉及了正则表达式的顺序优先级，本文将解释这一点。

什么是正则表达式的顺序优先级呢？在正则表达式中，| 前后的表达式的顺序是有讲究的，如expression1|expression2和expression2|expression1匹配的结果或许存在不同，在编辑正则表达式时要有这样意识，否则编辑出的正则可能不符需求。

 

举例说明

示例1

源字符串：

a-c@  

a@

正则表达式：

a|(a-c)(?=\W)

(a-c)|a(?=\W)

 

匹配结果：a|(a-c)(?=\W)能够匹配a@，但不能匹配a-c@；(a-c)|a(?=\W)则都可以匹配。

原因：(a-c)|a(?=\W)先匹配a-c这个整体，如果匹配失败则进行回溯，尝试匹配a，所以@前的a-c或a都是可匹配的；a|(a-c)(?=\W)能够匹配a@自不必说，但为什么不能匹配a-c@呢？因为它先匹配a，剩下-c@，-匹配(?=\W)成功，整个正则匹配成功，匹配结果为:a

 

示例2

源字符串：

1

01

11

正则表达式：

(0?[123456789]|(1[012]))

((1[012])|0?[123456789])

 

匹配结果：(0?[123456789]|(1[012]))可匹配1与01，不可匹配11；((1[012])|0?[123456789])可匹配所有的源字符串。

原因：同示例1。

 

小结

如本文开头所问，a|(a-c)(?=\W)与(a-c)|a(?=\W)的本质区别--后者的匹配广度高于前者，所以(a-c)|a(?=\W)才是符合需求的。