188

我正在尝试使用正则表达式将字符串分成两部分。该字符串的格式如下：

text to extract<number>

我一直在使用(.*?)<并且<(.*?)>工作正常，但是在稍微阅读了正则表达式之后，我才开始想知道为什么我需要?在表达式中。我只是在通过这个网站找到它们之后才这样做，所以我不确定有什么区别。

4

3 回答 3

241

关于贪婪与非贪婪

默认情况下，正则表达式中的重复是贪婪的：他们尝试匹配尽可能多的代表，当这不起作用并且他们不得不回溯时，他们尝试一次匹配更少的代表，直到整个模式的匹配是成立。结果，当匹配最终发生时，贪婪的重复将匹配尽可能多的代表。

?as 重复量词将此行为更改为非贪婪，也称为不情愿（在例如 Java 中）（有时是“懒惰”）。相反，这种重复将首先尝试匹配尽可能少的重复次数，当这不起作用并且他们不得不回溯时，他们开始一次匹配更多重复次数。结果，当最终发生匹配时，不情愿的重复将匹配尽可能少的重复次数。

参考

示例 1：从 A 到 Z

让我们比较这两种模式：A.*Z和A.*?Z。

给定以下输入：

eeeAiiZuuuuAoooZeeee

这些模式产生以下匹配：

让我们首先关注做什么A.*Z。当它匹配第一个A时，.*贪婪的 ，首先尝试匹配尽可能多.的。

eeeAiiZuuuuAoooZeeee
   \_______________/
    A.* matched, Z can't match

由于Z不匹配，引擎回溯，然后.*必须匹配少一个.：

eeeAiiZuuuuAoooZeeee
   \______________/
    A.* matched, Z still can't match

这种情况又发生了几次，直到最后我们来到这个：

eeeAiiZuuuuAoooZeeee
   \__________/
    A.* matched, Z can now match

现在Z可以匹配，所以整体模式匹配：

eeeAiiZuuuuAoooZeeee
   \___________/
    A.*Z matched

相比之下，第一次不情愿的重复A.*?Z尽可能少地匹配.，然后.根据需要增加更多。这解释了为什么它在输入中找到两个匹配项。

这是两种模式匹配的视觉表示：

eeeAiiZuuuuAoooZeeee
   \__/r   \___/r      r = reluctant
    \____g____/        g = greedy

示例：另一种选择

在许多应用程序中，上述输入中的两个匹配是所需的，因此使用不情愿.*?而不是贪心.*来防止过度匹配。然而，对于这个特定的模式，有一个更好的选择，使用否定字符类。

该模式还找到与上述输入模式A[^Z]*Z相同的两个匹配项（如 ideone.com 上所示）。就是所谓的否定字符类：它匹配除.A.*?Z[^Z]Z

两种模式之间的主要区别在于性能：更严格，否定字符类只能匹配给定输入的一种方式。对此模式使用贪婪或不情愿的修饰符并不重要。事实上，在某些方面，你可以做得更好，并使用所谓的所有格量词，它根本不会回溯。

参考

示例 2：从 A 到 ZZ

这个例子应该是说明性的：它显示了贪婪、不情愿和否定字符类模式在给定相同输入的情况下如何不同地匹配。

eeAiiZooAuuZZeeeZZfff

这些是上述输入的匹配项：

这是他们匹配的视觉表示：

         ___n
        /   \              n = negated character class
eeAiiZooAuuZZeeeZZfff      r = reluctant
  \_________/r   /         g = greedy
   \____________/g

相关话题

这些是指向 stackoverflow 上的问题和答案的链接，涵盖了一些可能感兴趣的主题。

一个贪婪的重复可以超越另一个

于 2010-06-19T12:52:21.887 回答
223

这是贪婪量词和非贪婪量词之间的区别。

考虑输入101000000000100。

使用1.*1,*是贪心的 - 它会一直匹配到最后，然后回溯直到它可以匹配1，留下1010000000001.
.*?是非贪婪的。*将不匹配任何内容，但随后将尝试匹配额外字符，直到匹配1，最终匹配101.

所有量词都有一个非贪婪模式：.*?, .+?, .{2,6}?, 和 even .??。

在您的情况下，类似的模式可能是<([^>]*)>- 匹配除大于号以外的任何字符（严格来说，它匹配除>中间<和之外的零个或多个字符>）。

请参阅量词备忘单。

于 2010-06-19T10:21:38.677 回答
36

假设您有：

<a></a>

<(.*)>将匹配a></awhere as <(.*?)>would match a。后者在 的第一场比赛后停止>。它检查一个或 0 个匹配，.*后跟下一个表达式。

第一个表达式<(.*)>在匹配第一个时不会停止>。它将一直持续到 的最后一场比赛>。

于 2010-06-19T10:20:06.137 回答