capturé un grupo de no captura mediante ((?:_\d+)+)
, y en el sitio regex101 me funciona para todos los lenguajes que hasta este momento son
Y te va a funcionar en cualquier dialecto de regex.
- Todos excepto BREs, POSIX EREs u Oracle para ser exacto, ya que no soportan grupos sin captura:
(?:
…)
.
estoy obteniendo el comportamiento de
/([a-zA-Z]+)_([a-zA-Z]+_?[a-zA-Z]+?)((?:_\d+)+(?:_\d+)*)/
usando
/([a-zA-Z]+)_([a-zA-Z]+_?[a-zA-Z]+?)((?:_\d+)+)/
De hecho, utilizar la primera forma sería un error, ya que estás repitiendo innecesariamente el (?:_\d+)*
del final, que jamás va a coincidir con nada, porque la construcción anterior ((?:_\d+)+
), ya consumió todos los que había, sin dejar nada para el último.
Se puede corroborar con un ejemplo, agregando un grupo más alrededor del último (?:_\d+)*
.
const texto = '_123_456_789_0',
regex = /((?:_\d+)+((?:_\d+)*))/;
[match, grupo1, grupo2] = regex.exec(texto);
console.log(`Grupo 1: "${grupo1}"`);
console.log(`El último '(?:_\d+)*' coincidió con: "${grupo2}"`);
Desearía que alguien me explicara por qué funcionó usar una doble captura
No estás usando una doble captura. En ((?:_\d+)+)
, únicamente el grupo exterior es el que captura. Y justamente (?:
…)
es un grupo sin captura.
Una estructura como ((?:_\d+)+)
es perfectamente normal y se usa frecuentemente. Pensalo de esta forma: es lo mismo que (\d+)
, sólo que lo que se repiten en ((?:_\d+)+)
no son solamente dígitos sino guiones bajos seguidos de dígitos.
Anidar grupos (con o sin captura) es tan válido como, y prácticamente lo mismo que, utilizar bucles anidados en tu código... Tan simple como eso.
qué implicaciones (positivas o negativas) tiene atrapar un grupo de no captura así como lo hice.
Ninguna. Ni positiva ni negativa. No hubieses logrado el mismo resultado sin anidar un grupo sin captura dentro de uno con captura de esa forma... De nuevo, es una estructura completamente normal.
De hecho, como regla general, siempre deberías usar grupos sin captura (?:
…)
cuando no necesites obtener el texto con el que coincidió. Un grupo sin captura no ocupa memoria innecesaria (ni en capturar el texto, ni en generar los índices de las posiciones inicial y final).
- Si te interesa entrar muchísimo más en detalle, un grupo sin captura es apenas más lento al compilar, pero más eficiente al ejecutar. Sin embargo, esta diferencia es despreciable, y se suele optar por preferir ahorrar memoria (está mejor visto desde el punto de vista de las buenas prácticas).
De yapa, una corrección más. Utilizar una estructura como:
([a-zA-Z]+_?[a-zA-Z]+?)
es un error. Estás repitiendo consecutivamente 2 construcciones que coinciden con lo mismo. Como el _
es opcional, el regex puede convertirse en [a-zA-Z]+[a-zA-Z]+?
, y una construcción así es la receta perfecta para un backtracking catastrófico.
Este es un problema que no va a generar un error en los casos que estás viendo, pero con un regex un poco más complicado, textos más largos y una condición que no coincida, podría hacer que el navegador se congele sin devolver un resultado.
Veamos una prueba, no tan drástica, pero lo suficientemente evidente:
const regex = /^([a-zA-Z]+)_([a-zA-Z]+_?[a-zA-Z]+?)((?:_\d+)+)$/,
N = 1000,
texto = 'X_'
+ 'aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa'
+ 'aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa'
+ 'aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa'
+ 'aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa'
+ 'aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa'
+ 'aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa'
+ 'aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa'
+ 'aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa'
+ 'aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa'
+ 'aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa'
+ 'aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa'
+ 'aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa'
+ 'aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa'
+ 'aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa'
+ 'aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa'
+ 'aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa'
+ 'aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa'
+ '_1_2_ERROR';
//Tu regex
let a, b, resultado;
a = performance.now()
for (let i = 0; i < N; i++) {
resultado = regex.exec(texto);
}
b = performance.now();
console.log('"([a-zA-Z]+_?[a-zA-Z]+?)" Tardó:', (b - a), 'ms. en devolver:', resultado);
//Con un grupo sin captura anidado
const regexConGrupo = /^([a-zA-Z]+)_([a-zA-Z]+(?:_[a-zA-Z]+)?)((?:_\d+)+)$/;
a = performance.now()
for (let i = 0; i < N; i++) {
resultado = regexConGrupo.exec(texto);
}
b = performance.now();
console.log('"([a-zA-Z]+(?:_[a-zA-Z]+)?)" Tardó:', (b - a), 'ms. en devolver:', resultado);
Y esto, si fuese parte de un regex más complicado podría traerte serios problemas.
Además, al usar ([a-zA-Z]+_?[a-zA-Z]+?)
, estás exigiendo que tenga al menos 2 caracteres, por lo que no coincidiría con algo como A_B_1
.