什么导致这个正则表达式匹配一切？

Question

我想使用这个表达式：

^(\s+)<ProjectReference(.|\s)+?(Project2)</Name>(.|\s)+?</ProjectReference> 

...定位仅此节：

<ProjectReference Include="..\..\Project2\Project2.csproj"> 
     <Project>{6c2a7631-8b47-4ae9-a68f-f728666105b9}</Project> 
     <Name>Project2</Name> 
    </ProjectReference> 

...以下文件：

what is causing this text up here to be selected?? 

    <ProjectReference Include="..\..\Project1\Project1\Project1.csproj"> 
     <Project>{714c6b26-c609-40a4-80a9-421bd842562d}</Project> 
     <Name>Project1</Name> 
    </ProjectReference> 


    <ItemGroup> 
    <ProjectReference Include="..\..\Project2\Project2.csproj"> 
     <Project>{6c2a7631-8b47-4ae9-a68f-f728666105b9}</Project> 
     <Name>Project2</Name> 
    </ProjectReference> 
    <ProjectReference Include="..\..\Project3\Project3\Project3.csproj"> 
     <Project>{39860208-8146-429f-a1d1-5f8ed2fd7f5f}</Project> 
     <Name>Project3</Name> 
    </ProjectReference> 
    <ProjectReference Include="..\..\Project4\Project4.csproj"> 
     <Project>{58144d60-19d9-4d11-8ae6-088e03ccf874}</Project> 
     <Name>Project4</Name> 
    </ProjectReference> 
    <ProjectReference Include="..\..\Project5\Project5.csproj"> 
     <Project>{33baa509-ad24-4a72-a2fc-8f297e75e90d}</Project> 
     <Name>Project5</Name> 
    </ProjectReference> 
    </ItemGroup> 
    <PropertyGroup> 
    <VisualStudioVersion Condition="'$(VisualStudioVersion)' == ''">10.0</VisualStudioVersion> 
    <VSToolsPath Condition="'$(VSToolsPath)' == ''">$(MSBuildExtensionsPath32)\Microsoft\VisualStudio\v$(VisualStudioVersion)</VSToolsPath> 
    </PropertyGroup> 

在记事本++ ，它似乎最初找到了比赛，但随后在第二场比赛中继续匹配整个文档（所以它总共找到2场比赛）。我最初在我的.NET应用程序中发现了这一点，当时我的工具用一个空字符串替换了我的项目文件的全部内容，从而有效地清除了整个事情。

我已经花了一个多小时辛苦了，所以让我们来看看SE能否算出来。

更新：虽然我标志着实际工作的答案，我结束了一个不那么神奇的方法去确保没有罕见的正则表达式怪癖蔓延到我的代码后的道路为当时情况最近。

^(\s+)<ProjectReference.+?({0})\.(csproj|vbproj).*\r\n.*\r\n\s+<Name>{0}</Name>\r\n\s*</ProjectReference> 

...其中{0}是我的项目名称。虽然更详细，但这种解决方案不太可能出现过度匹配。我在我的.NET应用中使用了RegexOptions.Multiline，这样我就可以锚定到一行的开头。

Answer 1

我认为最好的方法是使用xpath表达式或xml解析器。

然而，当你在你的评论，如果你想使用正则表达式来捕获特定部分陈述，那么你可以使用这个：

(<ProjectReference.*?Project2[\s\S]*?</ProjectReference>) 

Working demo

匹配信息

MATCH 1 
1. [209-384] `<ProjectReference Include="..\..\Project2\Project2.csproj"> 
     <Project>{6c2a7631-8b47-4ae9-a68f-f728666105b9}</Project> 
     <Name>Project2</Name> 
    </ProjectReference>` 

除了regex101还使用SublimeText来显示它的工作，但Notepad ++有一个很差的正则表达式发动机和通常的招数弄乱它像[\s\S]*?：

在另一方面，关系到你的问题有关“为什么失败”，你的正则表达式是不是失败但你的模式允许greedy比赛（偶用懒惰运营商），因为你的(.|\s)交替：

^(\s+)<ProjectReference(.|\s)+?(Project2)</Name>(.|\s)+?</ProjectReference> 
          ^--- HERE 

如果您检查Regex101 explanation，你可以看到：

2nd Capturing group (.|\s)+? 
    Quantifier: +? Between one and unlimited times, as few times as possible, expanding as needed [lazy] 
    Note: A repeated capturing group will only capture the last iteration. Put a capturing group around the repeated group to capture all iterations or use a non-capturing group instead if you're not interested in the data 
    1st Alternative: . 
    . matches any character (except newline) 
    2nd Alternative: \s 
    \s match any white space character [\r\n\t\f ] 

Answer 2

首先，从不使用(.|\s)来匹配所有内容 - 包括换行符;这是等待发生的冻结（更多信息请参见this answer）。Notepad ++中的搜索对话框包含一个用于此目的的复选框，标记为. matches newline。

其次，无论如何，你都不应该得到那样的结果。我将它复制到Notepad ++的本地副本中，看起来像一个错误。也许正则表达式是冻结，并且NPP没有发现错误。无论如何，你应该得到只有一个匹配，这就是发生在我选择. matches newline，改变你的正则表达式是：

^\h*<ProjectReference.*?Project2</Name>.*?</ProjectReference> 

但是，它仍然匹配太多，既包括Project1和Project2元素。这是因为非贪婪的量词只影响匹配结束，而不是它开始的地方。您需要使用更具体的内容来确保匹配不会超出其开始的元素。我认为这是做到这一点的最可靠的方法：

^\h*<ProjectReference(?:(?!</?ProjectReference).)*Project2</Name>.*?</ProjectReference> 

的想法是，该点是允许任何匹配字符（包括新行），除非它的序列<ProjectReference或</ProjectReference的第一个字符。因此，一旦它开始匹配开头<ProjectReference>标签，它就可以匹配除另一个此类标签（开头或结束）以外的任何内容，直到找到标识字符串（Project2）。

更新：这肯定是Notepad ++中的一个错误。我自己做了更多的测试，并发现其他报告来确认它（here和here）。那些家伙在试图触发这个bug方面非常有创意，但归结起来就是：如果正则表达式需要很长时间才能匹配，那么NPP会错误地选择一切。