regex - 我不懂正则表达式

Question

我正在关注使用正则表达式从字符串中删除所有 html 标记的教程（Ruby）：

product.description.gsub(/<.*?>/,'').

我不知道如何解释?. 这是否意味着：“至少以前的一个”？那样的话，岂不/<.+>/是更合适了？

Answer 1

在这种情况下，它会变得*懒惰。

1*- 匹配尽可能多1的 s。
1*?- 匹配尽可能少1的 s。

在这里，当您拥有 时<a>text<b>some more text，<.*>将匹配<a>text<b>。
<.*?>但是，将匹配<a>和<b>。

另请参阅：懒惰而不是贪婪

这里的另一个重要注意事项是，这个正则表达式很容易在有效的 HTML 上失败，最好使用 HTML 解析器，并获取文档的文本。

Answer 2

默认情况下.*是贪婪的，这意味着它尽可能匹配。所以随着.*替换会改变：

这<b>是</b>一个<i>例子</i>。
     ^----------------------^

到

这 。

如果你在量词之后使用问号，它会使其不贪婪，从而尽可能少地匹配。更换.*?工作如下：

这<b>是</b>一个<i>例子</i>。
     ^-^ ^--^ ^-^ ^--^

变成：

这是一个例子。

?这与作为量词的更常见用法不同，后者表示“匹配零或一”。

无论哪种方式，如果您的文本是 HTML，您应该使用 HTML 解析器而不是正则表达式。

Answer 3

默认情况下，诸如此类的量词*是贪婪的。这意味着它们尽可能匹配。在它们之后添加?会使它们变得懒惰，因此它们会尽快停止匹配。

Answer 4

这是我在 regex 库之后找到的关于 regex 的最佳网站：

http://www.wellho.net/regex/java.html

希望有帮助！