Ruby 正则表达式对背靠背匹配过于贪婪

Question

我正在 Ruby 1.8.7 中进行一些文本处理，以支持我创建的一些自定义简码。以下是我的短代码的一些示例:

[CODE first-part]
[CODE first-part second-part]

我正在使用以下 RegEx 来获取

text.gsub!( /\[CODE (\S+)\s?(\S?)\]/i, replacementText )

问题是:正则表达式不适用于以下文本:

[CODE first-part][CODE first-part-again]

结果如下:

1.  first-part][CODE
2.  first-part-again

\s? 似乎是正则表达式中有问题的部分，它一直在搜索直到找到最后一个空格，而不是第一个空格。当我将正则表达式更改为以下内容时:

\[CODE ([\w-]+)\s?(\S*)\]/i

它工作正常。我唯一关心的是所有 \w 与 \s 的区别，因为我想确保 \w 将匹配 URL 安全字符。

我确信有一个完全有效的解释，但它让我难以理解。有任何想法吗？谢谢!

Answer 1

其实想想，只用[^\]]可能还不够，因为它也会把所有的空格都吞掉。您还需要排除那些:

/\[CODE[ ]([^\]\s]+)\s?([^\]\s]*)\]/i

请注意 [ ] - 我只是认为它使文字空间更具可读性。

Working demo.

以自由间距模式解释:

\[CODE[ ]    # match your identifier   
(            # capturing group 1 
  [^\]\s]+   # match one or more non-], non-whitespace characters
)            # end of group 1
\s?          # match an optional whitespace character
(            # capturing group 2 
  [^\]\s]+   # match zero or more non-], non-whitespace characters
)            # end of group 2
\]           # match the closing ]

由于模式中的所有字符类都不包含 ]，因此您永远不可能超出方括号表达式的末尾。

顺便说一句，如果你发现正则表达式中不必要的转义像我一样模糊不清，这里是最小版本:

/\[CODE[ ]([^]\s]+)\s?([^]\s]*)]/i

但这绝对是一个品味问题。