PCRE2转POSIX ERE无惰性匹配致结果异常，如何调整正则？

原PCRE2正则及效果 #

我原本使用的PCRE2正则如下：

^project\(.+?version\s*:\s*'(.+?)'.*\)$

该正则的第一个捕获组可以从以下文本中提取出0.9.20：

project(
    'waybar', 'cpp', 'c',
    version: '0.9.20',
    license: 'MIT',
    meson_version: '>= 0.50.0',
    default_options : [
        'cpp_std=c++20',
        'buildtype=release',
        'default_library=static'
    ],
)

适配POSIX ERE遇到的问题 #

我尝试将其转换为POSIX扩展正则表达式（ERE），写出了如下正则：

^project\([^)]*version[[:space:]]*:[[:space:]]*'([^']*)'.*\)$

但实际捕获组匹配到的是>= 0.50.0而非目标的0.9.20。原因是[^)]*会匹配所有非)的字符，而POSIX ERE不支持惰性匹配（?），导致匹配直接延伸到了meson_version所在行，最终捕获了最后一个符合'[^']*'格式的内容。

解决方案 #

要解决这个问题，需要限制project(到第一个version之间的匹配范围，避免跳过目标version去匹配后续的meson_version。可以使用否定预查来实现类似惰性匹配的效果，修正后的POSIX ERE正则如下：

^project\((?:(?!version)[^)])*version[[:space:]]*:[[:space:]]*'([^']+)'.*\)$

正则说明： #

• ^project\(：匹配文本开头的project(
• (?:(?!version)[^)])*：关键部分——匹配任意非)的字符，但每匹配一个字符前都会检查后面是否是version，如果是则停止匹配，精准停在第一个version之前，避免过度匹配到后续的meson_version
• version[[:space:]]*:[[:space:]]*'([^']+)'：匹配version: 'xxx'格式的内容，并捕获引号内的版本号（[^']+匹配所有非引号的字符，确保只捕获当前引号内的内容）
• .*\)$：匹配剩余内容直到文本结尾的)

这个正则可以正确从目标文本中捕获0.9.20，不会误匹配到meson_version的内容。

内容的提问来源于stack exchange，提问作者Jacob Birkett