.* 和有啥不一样？和 .* 正则表达式？

Posted 2023-02-27

【中文标题】.* 和有啥不一样？和 .* 正则表达式？

【英文标题】：What is the difference between .*? and .* regular expressions?.* 和有什么不一样？和 .* 正则表达式？

【发布时间】：2011-03-05 17:52:51

【问题描述】：

我正在尝试使用正则表达式将字符串分成两部分。字符串格式如下：

text to extract<number>

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

【问题讨论】：

另见***.com/questions/2301285/…

【参考方案1】：

假设你有：

<a></a>

<(.*)> 将匹配 a></a，而 <(.*?)> 将匹配 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。它会一直持续到>的最后一场比赛。

【讨论】：

这个比上面的解释更容易理解。

解释应该是这样的。

【参考方案2】：

这是贪心量词和非贪心量词的区别。

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，但随后会尝试匹配多余的字符，直到匹配 1，最终匹配 101。

所有量词都有非贪婪模式：.*?、.+?、.2,6?，甚至是.??。

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 < 和 > 之间除 > 之外的零个或多个字符） .

见Quantifier Cheat Sheet。

【讨论】：

啊太棒了，我喜欢除了 > 符号之外的最后一个！

你能否解释或举例说明贪婪的? 与非贪婪的?? 有何不同？

当然。对于字符串"abc"，正则表达式/\w\w?\w/ 将匹配完整的字符串"abc" - 因为? 是贪婪的。 /\w\w??\w/ 是惰性的 - 它只会匹配 "ab"。如果稍后失败，它只会回溯并匹配"abc"。

【参考方案3】：

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：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，他们尝试在一个时间，直到找到整个模式的匹配。因此，当匹配最终发生时，贪婪的重复将尽可能匹配 许多 个重复。

? 作为重复量词将此行为更改为非贪婪，也称为不情愿 (in e.g. Java)（有时也称为“懒惰”）。相反，此重复将首先尝试匹配尽可能 少数 个重复，当这不起作用并且他们必须回溯时，他们开始一次匹配一个更多重复。因此，当匹配最终发生时，不情愿的重复将尽可能匹配 少数 次。

参考文献

regular-expressions.info/Repetition - Laziness instead of Greediness

---

示例 1：从 A 到 Z

让我们比较一下这两种模式：A.*Z 和 A.*?Z。

给定以下输入：

eeeAiiZuuuuAoooZeeee

这些模式产生以下匹配：

A.*Z 产生 1 个匹配项：AiiZuuuuAoooZ (see on rubular.com) A.*?Z 产生 2 个匹配项：AiiZ 和 AoooZ (see on rubular.com)

让我们首先关注A.*Z 的作用。当它匹配第一个A 时，.* 贪婪，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，直到最后我们得出这样的结论：

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，A.*?Z 中的不情愿重复首先匹配尽可能少的.，然后根据需要匹配更多的.。这就解释了为什么它会在输入中找到两个匹配项。

以下是两种模式匹配内容的直观表示：

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项是所需的，因此使用不情愿的.*? 而不是贪婪的.* 以防止过度匹配。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。

模式A[^Z]*Z 还找到与上述输入（as seen on ideone.com）的A.*?Z 模式相同的两个匹配项。 [^Z] 是所谓的否定字符类：它匹配除Z 之外的任何字符。

两种模式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，使用所谓的所有格量词，它根本不会回溯。

参考文献

regular-expressions.info/Repetition - An Alternative to Laziness、Negated Character Classes 和 Possessive Quantifiers

---

示例 2：从 A 到 ZZ

这个例子应该是说明性的：它展示了贪婪、不情愿和否定字符类模式如何在相同的输入下以不同的方式匹配。

eeAiiZooAuuZZeeeZZfff

这些是上述输入的匹配项：

A[^Z]*ZZ 产生 1 个匹配项：AuuZZ (as seen on ideone.com) A.*?ZZ 产生 1 个匹配项：AiiZooAuuZZ (as seen on ideone.com) A.*ZZ 产生 1 个匹配项：AiiZooAuuZZeeeZZ (as seen on ideone.com)

这是他们匹配的视觉表示：

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

---

相关主题

这些是指向 *** 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过另一个

Regex not being greedy enough Regular expression: who's greedier

【讨论】：

我的意思是说 rubular.com，而不是 ideone.com。对其他人：不要为我修改这篇文章，我会在下一次修改时自己做，还有其他例子。随时在 cmets 中提供反馈、建议等，以便我也可以将它们纳入其中。

参见：***.com/questions/3145023/…

此答案已添加到 Stack Overflow Regular Expression FAQ 的“量词 > 更多关于差异...”下。

这个答案真的不愧是被选中的答案！。非常感谢您的详细解释。

我添加了标签non-greedy。为什么，因为问题需要它，还因为它将吸引更多用户使用这个出色的答案。换句话说，如果您给出了一个很好的答案并且答案使用了不在问题中的标签，那么添加标签，因为 OP 不知道标签是 revelent。