正则表达式OR运算符"|"的元素顺序为何会影响匹配结果？

问题背景 #

我有一段包含小写字母、点号、括号以及大于号、小于号的文本，希望匹配每行中满足以下条件的子串：

• 以点号开头
• 包含任意数量的字母
• 可包含非负数量的括号或<>符号，但不能同时包含两者

给定测试文本：

foobar.hello(world)
foobar.hello<world>
foobar.hello>>>world<>(baz)

期望匹配结果：

• 第一行匹配.hello(world)
• 第二行匹配.hello<world>
• 第三行匹配.hello>>>world<>（因不能混合括号和<>符号）

原本用两个正则\.[a-z()]+和\.[a-z<>]+可以正确匹配，为提升效率合并为一个正则：

\.(?:[a-z()]+|[a-z<>]+)

但测试发现：

• 原顺序下，第一行匹配正确，但第二、三行仅匹配到.hello
• 调换OR两侧顺序（\.(?:[a-z<>]+|[a-z()]+)）后，第一行仅匹配.hello，第二、三行匹配正确

疑问：为什么OR的顺序会影响匹配结果？

原因分析 #

正则里的|（逻辑或）是优先匹配左侧分支的，一旦左侧分支能匹配到内容，就不会再尝试右侧分支。

拿你最初的正则\.(?:[a-z()]+|[a-z<>]+)来说：

1. 处理第二行.hello<world>时，左侧分支[a-z()]+会先尝试匹配：.hello部分完全符合[a-z()]+（因为[a-z()]包含字母，不包含<>），此时正则认为左侧分支已经匹配成功，就会停止匹配，不会继续尝试右侧的[a-z<>]+，所以只得到.hello。
2. 调换顺序后，处理第一行.hello(world)时，左侧分支[a-z<>]+先匹配.hello（同样符合，因为[a-z<>]包含字母，不包含括号），匹配成功后就停止，不会走右侧的括号分支，所以只得到.hello。

本质是你的两个分支[a-z()]+和[a-z<>]+存在交集（都包含[a-z]），当文本中的字母部分同时满足两个分支时，正则会优先匹配先出现的分支，导致后续的特殊符号被截断。

解决方法 #

要避免这个问题，需要让两个分支的匹配范围互斥，明确区分“含括号不含<>”和“含<>不含括号”的情况，比如用否定断言限制：

\.(?:[a-z()]+(?![<>])|[a-z<>]+(?![()]))

这个写法的逻辑是：

• 第一个分支[a-z()]+(?![<>])：匹配字母和括号的组合，同时断言后续没有<>符号
• 第二个分支[a-z<>]+(?![()])：匹配字母和<>的组合，同时断言后续没有括号

这样就能保证匹配到完整的符合要求的子串，不受分支顺序影响。

内容的提问来源于stack exchange，提问作者gz839918