Ниже — краткий разбор трёх частых причин неожиданных совпадений (жадность, неэкранированные метасимволы, приоритеты альтернатив), пример «провального» регулярного выражения, объяснение почему оно ошибочно, исправленная версия и набор тестов.
1) Жадность (greedy)
- Проблема: `.*` захватывает максимально возможный фрагмент, поэтому при нескольких подходящих блоках совпадение может охватывать всё между первым открывающим и последним закрывающим тегом.
- Пример (плохо): `.*`
- Почему плохо: в строке `A...B` захватит от первого `` до последнего ``.
- Исправление: использовать ленивый квантификатор или ограничить классом символов:
- лениво: `.*?`
- безопаснее: `([^<]*)` (берёт только содержимое без `<`)
- Набор тестов (ожидание: true = совпадает, false = не совпадает):
- `Hello` → true
- `One something Two` →
- для `.*` → совпадает нежелательно (один большой матч)
- для `.*?` → два отдельных матча (правильно)
- для `([^<]*)` → два отдельных правильных матча
- `Hello` → false
2) Неэкранированные метасимволы (особенно точка)
- Проблема: точка `.` в regex означает «любой символ», не «точка» в строке, поэтому выражение для расширения файла часто захватывает нежелательные строки.
- Пример (плохо): `^\w+.(jpg|png|gif)$`
- Почему плохо: `.` неэкранирована — `fileXjpg` (где X любой символ) тоже совпадёт.
- Исправление: экранировать точку и, при желании, сделать группу некаптурной и регистронезависимой:
- `^\w+\.(?:jpg|png|gif)$` с флагом `i`
- Набор тестов (ожидание: true/false):
- `photo.jpg` → true
- `archive.tar.gz` → false
- `fileXjpg` → false
- `IMAGE.PNG` (с `i`) → true
3) Приоритет альтернатив (альтернация и порядок)
- Проблема: альтернативы проверяются слева направо; если корочеая альтернатива идёт раньше длинной, она может «перехватить» вход, хотя нужно длинное совпадение.
- Пример (плохо): `(cat|catalog)`
- Почему плохо: в строке `catalog` движок найдёт `cat` (короткий вариант) и остановится, если хочется именно слово `catalog`.
- Исправление: ставить более длинные альтернативы раньше или использовать якоря/границы слова:
- правильный порядок: `(catalog|cat)`
- или с границами: `\b(?:catalog|cat)\b`
- Набор тестов:
- `cat` → true
- `catalog` → true (должен совпадать с `catalog`, не с `cat`)
- `concatenate` → false (если нужны только отдельные слова — использовать `\b`)
Дополнительная заметка про производительность и безопасность
- Избегайте конструкций вида `(.*)+`, `(a+)+` и похожих вложенных квантификаторов — они вызывают катастрофическое бэктрекинг‑поведение. Если нужна повторяемость, старайтесь сделать класс символов ограниченным (например `(?:[^]+)+`) или использовать ленивые квантификаторы и якоря.
Короткий чек‑лист при правке regex
- Экранируйте символы, которые вы хотите трактовать буквально: `.` `?` `+` `*` `(` `)` `[` `]` `{` `}` `^` `$` `|` `\`.
- Подумайте, нужен ли ленивый `.*?` или точное ограничение класса символов `[^...]`.
- При использовании `|` ставьте более специфичные/длинные альтернативы раньше или используйте группировку с якорями.
- Добавьте якоря `^`/`$` или `\b` для ограничения совпадения, если нужно полное/словообразное совпадение.
- Тестируйте положительными и отрицательными примерами (по крайней мере по $3$ каждому для простых случаев).
Если у вас есть конкретное «провальное» регулярное выражение — пришлите его, и я подробно покажу, почему оно совпадает с неожиданными строками и дам точный исправленный вариант и набор тестов.