正则匹配(int, 'tx', 任意ASCII字符串, int)序列的过匹配问题

核心问题原因 #

你出现匹配结果合并的核心原因是忽略了正则量词的默认贪婪匹配特性，同时没有对字符串字段的边界做合理限制：

• 你正则中使用的[\x00-\x7F]+属于贪婪匹配，会尽可能多地匹配符合ASCII范围的字符，而字段结束标识'本身也属于ASCII字符范围，因此匹配过程不会在第三个字段的结束单引号位置停止，会一直向后吞入字符，直到找到整个字符串中最后一个符合,[0-9]+\)的位置，自然就把中间多个符合要求的条目合并为一个匹配结果。

你忽略的两个正则匹配细节 #

1. +/*量词默认是贪婪模式：在没有指定非贪婪修饰符的情况下，所有匹配量词都会优先选择最长的匹配结果，而非找到第一个符合后续规则的结束位置就停止。
2. 包裹型字段需要明确边界终止规则：你的第三个字段是被单引号包裹的字符串，在这类场景下不能直接用全范围匹配，必须指定字段的终止字符，否则一定会出现越界匹配。

修正后的正则方案 #

方案1（优先推荐，兼容性最好） #

利用排除型字符组限制单引号边界，无需依赖非贪婪修饰符：

\([0-9]+,'tx','[^']*',[0-9]+\)

说明：[^']*匹配所有非单引号的字符，天然会在第三个字段的结束单引号位置停止匹配，完全不会出现越界问题。

方案2（适合需要严格限制ASCII范围的场景） #

如果你的业务逻辑要求第三个字段只能是ASCII字符，且可能包含转义单引号，可以用以下写法：

\([0-9]+,'tx','(?:[\x00-\x26\x28-\x7F]|\\')*',[0-9]+\)

方案3（最小改动适配你原有写法） #

在原有的贪婪量词后加?改为非贪婪模式即可：

\([0-9]+,'tx','[\x00-\x7F]+?',[0-9]+\)

以上任意一个方案都可以正确匹配你示例输入中的4个独立tx条目，不会再出现多结果合并的问题。

内容的提问来源于stack exchange，提问作者chuckm