2

我理解?这里的标记意味着“懒惰”。

我的问题本质上是[0-9]{2}?vs[0-9]{2}

他们是一样的吗？
如果是这样，我们为什么要写前一个表达式？惰性模式不是更昂贵的性能吗？
如果不是，你能分辨出区别吗？

4

2 回答 2

8

什么是“懒惰”（不情愿）匹配？

与正则表达式匹配时，指针默认为贪心：

Left | Right
\d+    12345
^      ^
\d+    12345
  ^    ^^^^^ Matched!

懒惰是贪婪的反面：

Left | Right
\d+?   12345
^      ^
\d+?   12345
  ^^    ^
       12345
         ^
       12345
          ^
       12345
           ^ Matched!

为什么这有关系？

在匹配中，量词默认* + ?是贪婪的。这可能会导致不需要的行为，尤其是当我们希望某些字符仅在 match 完成时才匹配，否则省略。

一个典型的例子是当我们想要匹配单个 XML 标记时：我们将使用<.*>.

Left | Right
<.*>   <p>hi</p><br /><p>bye</p>
^      ^
<.*>   <p>hi</p><br /><p>bye</p>
 ^^     ^^^^^^^^^^^^^^^^^^^^^^^^
<.*>   <p>hi</p><br /><p>bye</p>
   ^                           < [backtrack!]
<.*>   <p>hi</p><br /><p>bye</p>
   ^                           ^ Matched "<p>hi</p><br /><p>bye</p>"!

Left* | Right
<.*?>   <p>hi</p><br /><p>bye</p>
^       ^
<.*?>   <p>hi</p><br /><p>bye</p>
 ^^^     ^ [can we stop? we're lazy [yes]]
<.*?>   <p>hi</p><br /><p>bye</p>
    ^     ^ Matched "<p>"!

我可以将什么量化为懒惰？

您可以?在量词和范围后面添加构造：

+（一个或多个），*（零个或多个），?（可选）；
{n,m}（在 n 和 m 之间，其中 n < m），{n,}（n 或更多），{n}（正好 n 次）。
（示例中的 n 和 m 是实数并且满足 n, m ϵ N）

  1.     不情愿的量词不愿意继续前进。
    允许匹配尽可能多或尽可能少，考虑到引擎仅在绝对必要时尝试匹配以使其余部分成功。请参阅以下案例：

    Left | Right
abc*   abccccd
^      ^
abc*   abccccd
 ^      ^
abc*   abccccd
  ^      ^
abc*   abccccd
  ^^     ^^^^ Matched "abcccc"!

    Left* | Right
abc*?   abccccd
^       ^
abc*?   abccccd
 ^       ^
abc*?   abccccd
  ^^^     ^ [must we do this? we're lazy [no]]
           Matched "ab"!

    如图所示，它们尽可能少地匹配。

  2.     不情愿的量词放弃娱乐其他量词。
    （演示目的；如果有人问，我没有告诉你像这样使用 RegExp 是可以的。）

    Left | Right
c+c+   abccccd
^        ^
c+c+   abccccd
^^       ^^^^
c+c+   abccccd
  ^         < [backtrack]
c+c+   abccccd
  ^^        ^ Matched "cccc"!
              (c+ -> @ccc; c+ -> @c)

    Left* | Right
c+?c+   abccccd
^         ^
c+?c+   abccccd
^^^       ^ [pass]
c+?c+   abccccd
   ^^      ^^^ Matched "cccc"!
               (c+? -> @c; c+ -> @c)
  3.     精确范围量词不受影响。和
    之间，几乎没有区别；大多数引擎在内部优化了不情愿的标志。这是因为惰性结构仅适用于动态匹配时，引擎可以针对量词（需要或贪婪）以一种或另一种方式表现，但不适用于这种情况。X{n}X{n}?

查看regex101，这是一个完善的正则表达式引擎，它带有解释和调试器日志，向您显示指针步骤。另请阅读堆栈溢出正则表达式参考！

于 2014-09-08T18:43:52.387 回答
5

和之间没有区别。[0-9]{2}[0-9]{2}?

贪婪匹配和惰性匹配（添加 a ）之间的区别?与回溯有关。正则表达式引擎用于匹配文本（从左到右）。因此，当您要求表达式匹配一个字符范围时，它匹配尽可能多的字符是合乎逻辑的。

假设我们有字符串acac123。

如果我们使用[a-z]+c（+代表1+重复或{1,}）的贪婪匹配：

  • [a-z]+将匹配acac并失败1
  • 然后我们会尝试匹配c，但失败1
  • 现在我们开始回溯，并成功匹配aca和c

如果我们使这个惰性（[a-z]+?c），我们将得到不同的响应（在这种情况下）并且效率更高：

  • [a-z]+?会匹配a，但会停止，因为它看到下一个字符与表达式的其余部分匹配c
  • 然后c将匹配，成功匹配a并且c（没有回溯）

现在您可以看到和之间没有区别，因为不是范围，即使是贪婪匹配也不会经历任何回溯。惰性匹配通常与(0+ 重复或) 或一起使用，但也可以与范围一起使用（其中可选）。X{#}X{#}?{#}*{0,}+{m,n}n

当您想要匹配尽可能少的字符时，这是必不可少的，并且.*?当您想要填充一些空间（foo.*?bar在字符串上foo bar filler text bar）时，您经常会在表达式中看到。然而，很多时候惰性匹配是糟糕/低效的正则表达式的一个例子。许多人会做一些事情，比如foo:"(.*?)"匹配双引号内的所有内容，当您可以通过编写表达式来避免惰性匹配时，foo:"([^"]+)"并匹配除s 之外 "的任何内容。

最后注，?通常表示“可选”或匹配{0,1}时间。仅当您在范围（ , ,或其他）?上使用它时才会使匹配变得懒惰。这意味着不会变得懒惰（因为我们已经说过是没有意义的），而是它是可选的。但是，您可以进行惰性“可选”匹配：将惰性匹配 0-1 次。{m,n}*+?X?X{#}?[0-9]??

于 2014-09-08T18:38:06.083 回答