java - 为什么 (.*)* 进行两个匹配并且在 $1 组中没有选择任何内容？

Question

这源于对正则表达式语法形式化的讨论。我已经在几个正则表达式解析器中看到了这种行为，因此我将其标记为与语言无关。

采用以下表达式(根据您喜欢的语言进行调整):

replace("input", "(.*)*", "$1")

它将返回一个空字符串。为什么？

更奇怪的是，表达式 replace("input", "(.*)*", "A$1B") 将返回字符串 ABAB。为什么是双空匹配？

免责声明:我知道回溯和贪婪匹配，但Jeffrey Friedl 制定的规则似乎规定 .* 匹配所有内容，并且不进行进一步的回溯或匹配。那为什么$1是空的？

注意:与返回输入字符串的(.+)*进行比较。但是，http://regexhero.com显示仍然有两个匹配项，出于与上述相同的原因，这看起来很奇怪。

Answer 1

让我们看看会发生什么:

1. (.*) 匹配 "input"。
2. "input" 被捕获到组 1 中。
3. 正则表达式引擎现在位于字符串的末尾。但是由于 (.*) 重复了，所以会进行另一次匹配尝试:
4. (.*) 匹配 "input" 之后的空字符串。
5. 将空字符串捕获到组1中，覆盖“input”。
6. $1 现在包含空字符串。

评论中的一个好问题:

Then why does replace("input", "(input)*", "A$1B") return "AinputBAB"?

1. (input)* 匹配 "input"。它被 "AinputB" 替换。
2. (input)* 匹配空字符串。它被 "AB" 替换($1 为空，因为它没有参与比赛)。
3. 结果:"AinputBAB"