正则表达式中的子字符串应该根据长度排序的建议背后的原因是什么？

Question

最长优先

>>> p = re.compile('supermanutd|supermanu|superman|superm|super')

最短优先

>>> p = re.compile('super|superm|superman|supermanu|supermanutd')

为什么首选最长的first regex？你知道吗

Answer 1

正如@MBO所说，备选方案是按照编写顺序进行测试的，一旦其中一个匹配，重新生成的引擎将继续进行后续操作。
这种行为在类似Perl的RE引擎中很常见，最终可以追溯到1985年Bell实验室为第8版Unix设计的RE库。
注意，posix2（从1991年开始）有另一个定义，坚持对整个RE进行最左边最长的匹配，并遵循这个定义，依次对每个子表达式（按词汇顺序）。在posix2中，备选方案的顺序并不重要。你知道吗

然而，行为上的差异通常是：不相关的（如果你只是在测试），被回溯掩盖的（如果较短的匹配导致其余的re失败），或者被其余的re匹配较长的匹配“应该有的”部分补偿的——所以大多数人都没有意识到。你知道吗