Назначение {1} в этом регулярном выражении для сопоставления протоколов URL

Question

Я читал этот вопрос о том, как анализировать URL-адреса с веб-страниц, и у меня был вопрос о принятом ответе, который предложил это решение:

((mailto\:|(news|(ht|f)tp(s?))\://){1}\S+)

Решение было предложено csmba, и он зачислил его на regexlib.com. Уф. Кредиты сделаны.

Я думаю, что это довольно наивное регулярное выражение, но это хорошая отправная точка для создания чего-то лучшего. Но мой вопрос заключается в следующем:

Какой смысл {1}? Это означает "точно одна из предыдущих группировок", верно? Разве это не стандартное поведение группировки в регулярном выражении? Изменится ли выражение каким-либо образом, если {1} были удалены?

Если бы я увидел это от коллеги, я бы указал на его или ее ошибку, но когда я пишу это, ответ оценивается как 6, а выражение на regexlib.com оценивается как 4 из 5. Так что, может быть, я что-то упустил?

Answer 1

@Jeff Этвуд, ваша интерпретация немного неверна - означает, что {1} означает совпадение ровно один раз, но не влияет на "захват" - захват происходит из-за скобок - фигурные скобки указывают только то количество раз, которое шаблон должен соответствовать Источник - один раз, как вы говорите.

Я согласен с @Marius, даже если его ответ немного лаконичен и может показаться легкомысленным. Регулярные выражения сложны, если их не привыкли, а {1} в вопросе не совсем ошибка - в системах, которые его поддерживают, это означает "ровно одно совпадение". В этом смысле он ничего не делает.

К сожалению, вопреки удаленному сейчас посту, он не удерживает регулярное выражение от соответствия http://http://example.org, так как \S+ в конце будет соответствовать одному или нескольким непробельным символам, включая http://example.org в http://http://example.org (проверено с использованием Python 2.5, на случай, если мое чтение регулярных выражений было отключено). Таким образом, данное регулярное выражение на самом деле не самое лучшее. Я не эксперт по URL, но, возможно, что-то, ограничивающее появление символов ":" и "//" после первого, будет необходимо (но вряд ли достаточно) для обеспечения хороших URL-адресов.

Answer 2

@ Роб: я не согласен. Чтобы выполнить то, о чем вы просите, я думаю, что вам нужно использовать отрицательный взгляд, что возможно, но, безусловно, не связано с использованием {1}. Ни одна из версий регулярного выражения не решает эту конкретную проблему.

Чтобы код говорил:

tibook 0 /home/jj33/swap > cat text
Text this is http://example.com text this is
Text this is http://http://example.com text this is
tibook 0 /home/jj33/swap > cat p
#!/usr/bin/perl

my $re1 = '((mailto\:|(news|(ht|f)tp(s?))\://){1}\S+)';
my $re2 = '((mailto\:|(news|(ht|f)tp(s?))\://)\S+)';

while (<>) {
  print "Evaluating: $_";
  print "re1 saw \$1 = $1\n" if (/$re1/);
  print "re2 saw \$1 = $1\n" if (/$re2/);
}
tibook 0 /home/jj33/swap > cat text | perl p
Evaluating: Text this is http://example.com text this is
re1 saw $1 = http://example.com
re2 saw $1 = http://example.com
Evaluating: Text this is http://http://example.com text this is
re1 saw $1 = http://http://example.com
re2 saw $1 = http://http://example.com
tibook 0 /home/jj33/swap >

Так что, если есть разница между двумя версиями, это не та, которую вы предлагаете.

Answer 3

Я не думаю, что {1} имеет какую-либо действительную функцию в этом регулярном выражении.

(** mailto: | (news | (ht | f) tp (s?)): //) {1} **

Вы должны прочитать это как: "захватить вещи в паренсе ровно один раз". Но на самом деле мы не заботимся о том, чтобы сделать это для последующего использования, например, 1 доллар за замену. Так что это бессмысленно.

Answer 4

Я не думаю, что это имеет какое-либо назначение. Но поскольку RegEx практически невозможно понять / разложить, люди редко указывают на ошибки. Вероятно, поэтому никто не указал на это.