[正则表达式]基础工具书篇 匹配次数

Posted 2021-09-26 wei4118268

*. 分组

说匹配次数之前，先说说其他的。
使用圆括号 ( ) 包裹字符内容，使其变成一个子表达式，执行匹配后，除了总匹配结果，子表达式匹配结果也会存入内存。
这里括号的作用和四则运算中括号中的作用差不多，括号内的运算具有更高的优先级，并作为一个整体参与匹配运算。

1.用元字符确定匹配次数

通过在单个字符或一个子表达式的后方，紧跟表示匹配次数的元字符，确定这个字符或者子表达式应当连续匹配的次数。

1. ?

? 表示匹配0次或者1次，即要匹配的内容可有可无。
例如正则表达式 (www\\.)?sss.com，既可以匹配字符串 www.sss.com，也可以匹配 sss.com。

2. *

* 表示匹配0次或者多次，即匹配多少次都行。
例如正则表达式 ax*b，可以匹配字符串 ab、 axb、 axxxxb、 axxxxxxxxxxxb等。

3. +

+ 表示匹配1次或者多次，即匹配多少次都行，但是至少得有一次。
例如正则表达式 ax+b，可以匹配字符串 axb、 axxxxb、 axxxxxxxxxb等，但是不能匹配 ab。

4. 花括号

使用花括号包裹自然数，来表示匹配的次数（{m}）。可以在两个自然数中间加上逗号来表示匹配两个数的区间范围({m, n})。
如果花括号内只有第一个自然数和一个逗号，则表示匹配 >= 第一个数的次数（{m,}）。
例如：
ce{3}b 只可以匹配字符串 ceeeb，
ce{1,3}b 只可以匹配字符串 ceb、 ceeb、 ceeeb，
ce{3,}b 可以匹配字符串 ceeeb、 ceeeeeeeb、 ceeeeeeeeeeeeeeeb等，但不能匹配字符串ceb、 ceeb。

2.贪婪模式与非贪婪模式

在一个正则表达式中，一个字符对应的字符集越大，则满足匹配的情况就越多。如果这个字符的匹配次数越大，那么字符串中满足匹配的情况就越多。这个时候，最终的匹配结果应该如何选择呢？

比如，用正则表达式 a.*b 去匹配字符串 abccbxxb，匹配结果应该是 ab、 abccb 还是 abccbxxb？

这个时候，需要根据贪婪模式或者非贪婪模式去判断。

贪婪模式（默认模式），就是说，在满足正则匹配的情况下，取字符数最多的那个结果。
非贪婪模式，即反之，取字符数最少的那个结果。使用方法为，在表示匹配次数的元字符后加上一个 ?。

根据上面的概念，之前的问题，答案应该是 abccbbxxb。
如果想要使用非贪婪模式来匹配出 ab，则应该修改正则表达式为 a.*?b。

我们来看一个更贴近现实的例子。我们要取出一段html中a标签所包含的链接。
假设这段HTML为：

<a href="a.com"></a><div class="one">

如过我们使用正则表达式 ".*" 去匹配，则结果为 "a.com"></a><div class="one"。由于贪婪模式，匹配到了最长的字符串。
因此，应该使用 ".*?"去匹配，结果为 "a.com"。这时，正确匹配到a标签中包含的链接（虽然有两个引号的）。