正则表达式模式匹配顺序

Posted 2023-02-22

技术标签:

【中文标题】正则表达式模式匹配顺序【英文标题】：Regular Expression Pattern Matching order 【发布时间】：2012-06-17 02:04:10 【问题描述】：

在我熟悉的所有语言的正则表达式引擎中，.* 表示法表示匹配零个或多个字符。考虑以下 javascript 代码：

var s = "baaabcccb";
var pattern = new RegExp("b.*b");
var match = pattern.exec(s);
if (match) alert(match);

这会输出baaabcccb

Python 也会发生同样的事情：

>>> import re
>>> s = "baaabcccb"
>>> m = re.search("b.*b", s)
>>> m.group(0)
'baaabcccb'

这两种语言都匹配"baaabcccb" 而不是简单的"baaab" 的原因是什么？我阅读模式b.*b 的方式是“找到一个以b 开头的子字符串，然后包含任意数量的其他字符，然后以b 结尾。” baaab 和 baaabcccb 都满足这个要求，但 Javascript 和 Python 都匹配后者。我原以为它会匹配baaab，仅仅是因为该子字符串满足要求并且首先出现。

那么为什么在这种情况下模式匹配baaabcccb？而且，是否有任何方法可以修改此行为（使用任何一种语言），以使其与 baaab 匹配？

【问题讨论】：

【参考方案1】：

因为 * 和 + 本质上是贪婪的（至少在 python 中，我不确定 js）。他们会尽量匹配。如果你想避免这个问题，你可以添加？在他们之后。

这里有一个很棒的教程，在贪婪与非贪婪部分： google python class

【讨论】：

【参考方案2】：

.* 是一个贪心匹配。 .*? 是非贪心版

【讨论】：

【参考方案3】：

您可以通过在* 之后添加? 来使正则表达式不贪婪，如下所示：b.*?b。然后它将匹配可能的最小字符串。默认情况下，正则表达式是贪婪的，并会尝试找到最长的匹配项。

【讨论】：