正则表达式捕获组疑问：为何Group 1仅捕获"400"而非"123"？

嘿，这个问题问到点子上了，刚好涉及正则里两个容易踩坑的关键点——重复分组的捕获逻辑，还有正则引擎的匹配优先级，我给你一步步掰明白：

这是正则里重复捕获分组的特性导致的：当你给一个分组加上重复限定符（比如+、*）时，分组只会保留最后一次匹配的结果，之前的捕获值会被直接覆盖。

拿你的例子来看，((\d+)\s*)+这个结构会循环匹配符合(\d+)\s*的片段：

• 第一次循环：匹配到“123 ”，这时分组1（就是(\d+)\s*这个分组）捕获到“123 ”，分组2（\d+）捕获到“123”
• 第二次循环：匹配到“400 ”，这时分组1和分组2的捕获值都会被更新成这次的结果——分组1变成“400 ”，分组2变成“400”
• 当整个重复结构匹配完成后，分组里存的就只有最后一次循环的内容，所以你看到分组1最终捕获的是“400”（可能是后续匹配时忽略了末尾的空格，或者工具显示时自动简化了，但核心是最后一次匹配覆盖了之前的）

这要归功于正则引擎的贪婪匹配+整体匹配优先原则：引擎的目标是让整个正则表达式能匹配成功，而且会尽可能匹配最长的有效内容。

咱们模拟一下引擎的思考过程：

1. 如果((\d+)\s*)+只匹配“123 ”，那剩下的文本是“400 LC”
2. 接下来的.*是贪婪匹配，会一口气把“400 LC”全吃掉，这样后面的LC\s*$就没有内容可以匹配了，整个正则匹配失败
3. 引擎发现这条路走不通，就会回溯：让((\d+)\s*)+多匹配一段，也就是把“400 ”也匹配进去，这时剩下的文本是“LC”
4. 现在.*只需要匹配空内容（因为贪婪匹配也可以匹配空），后面的LC\s*$刚好能匹配剩下的“LC”，整个正则就匹配成功了
5. 所以引擎会自动选择这种能让整体匹配成功的方式，而不是提前终止重复分组的匹配

简单说，正则不会“偷懒”只匹配第一段，因为那样会导致整个表达式匹配失败，它会自动调整匹配范围，确保整个正则能匹配上目标文本。

内容的提问来源于stack exchange，提问作者Atlas