Ruby正则中(?:的作用及分组重复匹配结果异常原因解析

原始代码与执行结果 #

string = "This is a paragraph with a bunch3c:77:e6:68:66:e9of random MAC addresses 1100:50:7F:E6:96:20hello world 15:00s, 00:50:56:c0:00:08 some other text is written here 00-0C-29-38-1D-61 00:11:22book.FF:DD:CC"
mac_regex = /(?:[0-9A-F]{2}[\:\-]){5}[0-9A-F]{2}/i
mac_addresses = string.scan(mac_regex)
print mac_addresses 

执行上述代码返回结果：["3c:77:e6:68:66:e9", "00:50:7F:E6:96:20", "00:50:56:c0:00:08", "00-0C-29-38-1D-61"]

修改后的代码与异常结果 #

若移除mac_regex中的?:，改为mac_regex = /([0-9A-F]{2}[\:\-]){5}[0-9A-F]{2}/i，执行print mac_addresses会返回[["66:"], ["96:"], ["00:"], ["1D-"]]，这意味着([0-9A-F]{2}[\:\-]){5}仅返回了第五个八位组，而非预期的连续五个。

问题解答 #

1. 为何带捕获组的重复匹配只返回最后一组？ #

这是捕获组的特性和Ruby scan方法行为共同导致的：

• 捕获组([0-9A-F]{2}[\:\-])被{5}重复执行5次，每次匹配一个两位十六进制字符+分隔符的组合（比如3c:、77:）
• 但捕获组采用覆盖式存储：每次重复匹配都会将捕获到的内容替换成最新结果，5次重复后，捕获组里只保留最后一次匹配的内容（也就是第五个八位组）
• Ruby的scan方法，当正则包含捕获组时，会优先返回捕获组的内容，而非整个正则匹配的完整字符串，所以最终得到的是每个MAC地址对应的最后一个捕获组值。

2. 非捕获组(?:...)为何能解决问题？ #

(?:...)是非捕获组，它的核心作用是：

• 将括号内的内容作为一个整体匹配，确保{5}能作用于[0-9A-F]{2}[\:\-]这个组合，实现连续匹配5次两位十六进制+分隔符的逻辑
• 同时不会创建捕获组，不保存任何匹配的中间内容
• 此时正则没有任何捕获组，scan就会返回整个正则匹配到的完整字符串，也就是完整的MAC地址，符合预期。

内容的提问来源于stack exchange，提问作者Brijesh