Regex ведет себя ленивым, должно быть жадным

Question

Я думал, что по умолчанию моего Regex будет проявлять жадное поведение, что я хочу, но это не в следующем коде:

Regex keywords = new Regex(@"in|int|into|internal|interface"); 
var targets = keywords.ToString().Split('|'); 
foreach (string t in targets) 
    { 
    Match match = keywords.Match(t); 
    Console.WriteLine("Matched {0,-9} with {1}", t, match.Value); 
    } 

Выход:

Matched in  with in 
Matched int  with in 
Matched into  with in 
Matched internal with in 
Matched interface with in 

Теперь я понимаю, что я мог заставить его работать на этом маленьком примере, если я просто сортировал ключевые слова по длине по убыванию, но

• Я хочу понять, почему это не работает, как ожидалось, и
• фактический проект я работаю над имеет много больше слов в Regex и важно, чтобы держать их в алфавитном порядке.

Итак, мой вопрос: почему это лениво и как его исправить?

Answer 1

лени и прожорливость относятся только к квантификаторам (?, *, +, {min,max}). Чередования всегда совпадают по порядку и пробуют первое возможное совпадение.

Answer 2

Согласно RegularExpressions.info, регулярные выражения: eager. Поэтому, когда он проходит через ваш piped expression, он останавливается на первом сплошном матче.

Моя рекомендация заключалась бы в том, чтобы хранить все ваши ключевые слова в массиве или списке, а затем генерировать отсортированное, сжатое в трубке выражение, когда оно вам нужно. Вам нужно будет сделать это только один раз, пока список ключевых слов не изменится. Просто сохраните сгенерированное выражение в одном элементе какого-либо типа и верните его в выполнение регулярных выражений.

Answer 3

Похоже, вы пытаетесь сломать вещи. Для этого вам нужно, чтобы все выражение было правильным, ваше текущее - нет. Попробуйте это вместо ..

new Regex(@"\b(in|int|into|internal|interface)\b"); 

«\ Ъ» говорит, чтобы соответствовать границам слов, и нулевой шириной матч. Это поведение зависит от локали, но в целом это означает пробелы и пунктуации. Будучи совпадением с нулевой шириной, он не будет содержать символ, который заставил механизм регулярных выражений обнаружить границу слова.