regex - *+ 量词到底是做什么的？

Question

懒惰和贪婪的想法很容易理解，但我只*+在我的正则表达式（在 Java 中）[A]|[^B]*+(?!C)（A、B、C 是任意值）中看到/使用过一次，因为它在懒惰修饰符导致 StackOverflow 错误时起作用。

由于大多数搜索引擎无法搜索符号，我找不到任何关于此的文档。那么 *+ 究竟做了什么以及它是如何做到的呢？

Answer 1

贪婪的量词匹配它可以匹配的所有内容，然后模式回溯，直到匹配成功。

一个惰性量词向前跟踪，直到匹配成功。

所有格量词匹配它可以匹配的所有内容并且从不回溯。

The+表示所有格量词。If 可以用作，例如，++或*+。

这种防止回溯的能力意味着它可以阻止灾难性的回溯。

Answer 2

正如其他答案指出的那样，*+是一个“占有量词”它尽可能多次匹配前一个元素，就像一个贪婪的量词一样，但从不回溯。

为什么这很有用？仅作为性能优化。此外，仅当正则表达式不匹配时作为性能优化。这是理解正则表达式的重要一点：当它们不匹配时，它们的最坏情况总是发生。

根据使用的正则表达式引擎和正则表达式本身的细节，最坏情况下的性能有时可能会非常糟糕。举个简单的例子，使用这个正则表达式：a*a*a*b，匹配这个字符串：aaaaac。

面对这种情况，一个标准的“NFA”类型的正则表达式引擎会做这样的事情：

1. 尝试匹配第 1a次 5 次、第 2 次a零次和第 3 次a零次。
2. 尝试b将 - 与c- 匹配失败。
3. “回溯”并匹配第 1a次 4 次，第 2 次 1 次，第 3 次 0 次。
4. 尝试再次匹配b- 它失败了。
5. 再回溯，第1a次4次，第2次0次，第3次1次。
6. ...
7. 回溯，尝试第1a次3次，第2次2次，第3次零次……

（我认为您可以自己填写接下来的几百个步骤。）

如果正则表达式是a*+a*a*b，那将永远不会发生。它会更像：

1. 尝试匹配第 1a次 5 次、第 2 次零次和第 3 次零次。
2. 尝试匹配b-- 它失败了。
3. 由于第一个a是“占有”，一旦匹配了5次，它就永远无法尝试匹配更少的次数。a并且由于字符串中没有s 可供其他a*s 匹配，因此它们只能匹配零次。没有什么可以尝试的了，所以整个比赛都失败了。
4. 没有第 4 步。你完成了。当您的朋友正在等待他们的正则表达式完成执行时，您可以放松一下，打开您选择的冷饮。

Answer 3

X*+ 表示 X，零次或多次（占有）

所有格量词总是吃掉整个输入字符串，尝试一次（并且仅一次）匹配。与贪婪量词不同，所有格量词从不退缩，即使这样做会使整体匹配成功。