java - 替换文本末尾的额外字符

Question

在 PHP 和 Java 中，我将 /^[^\pL]*|[^\pL]*$/ 应用于 ‍‍‍-A- 并且我得到了 *A**。我应用了对称图案并得到了不对称的结果!为什么？我想知道为什么它的输出不是*A*？

模式说字符串末尾除了字母以外的所有东西都应该用*替换，它也是贪心的，应该把所有非字母的东西一起替换。

请注意，在 RegexBuddy 中我得到 *A*，这正是我所期望的。

更新:我简化了问题以集中我的主要关注点。

Answer 1

#^[^\pL]+|[^\pL]+$#u

将 * 替换为 +。将 * 与 $ 结合使用并不像人们预期的那样有效。正则表达式引擎工作方式的一个奇怪结果是，X*$ 将找到两个 匹配X*。使用 + 修复它。

说明

[^\pL]*$

让我们看看正则表达式的这一部分，它没有按预期工作。为什么它在某些字符串的末尾放置两个 *？

1. 在第一组破折号被替换后，考虑第三个示例字符串 ---A---:

   *A---$
   

2. 正则表达式引擎在此处找到正则表达式的匹配项:

   *A---$
     ^
   

3. 并将 “---” 替换为星号:

   *A*$
     ^
   

4. 然后它将其内部光标移动到替换字符串的右侧。

   *A*$
      ^
   

5. 它从这个光标位置开始寻找另一个匹配项。它找到了一个!它找到了 ""——空字符串! "" 由 0 个或多个非字母 ([^\pL]*) 组成，它锚定在字符串的末尾 ($), 所以这是一个有效的匹配。它确实找到了空字符串，但这是允许的。

   这是意外的，因为它再次匹配了 $ anchor 。是不是错了？它不应该再次匹配 $ ，不是吗？好吧，实际上，它应该而且确实如此。它可以再次匹配 $，因为 $ 不是输入字符串中的实际字符——它是一个零宽度断言。它不会被第一次更换“用完”。 $ 允许匹配两次。

6. 因此，它用星号“替换”了空字符串 ""。这就是为什么你最后有两个星号。

   *A**$
      ^
   

7. 如果正则表达式引擎返回到第 4 步，它会找到另一个空字符串并添加另一个星号。从概念上讲，那里有无数个空字符串。为避免这种情况，引擎不允许下一场比赛在与上一场比赛相同的位置开始。这条规则防止它进入无限循环。