用/(.*?)d/正则表达式匹配abcd为什么得到的是abcd而不是d?

问题:

  1. 用/(.*?)d/正则表达式匹配abcd为什么得到的是abcd而不是d?而用”/a(.*?)/“正则表达式匹配”abcd”则只得到”a”。
  2. 用”/a(.*?)d/“正则表达式匹配”abcd”为什么得到的是”abcd”而不是无法匹配?

回答:

看到了一个非常棒的帖子,从NFA引擎机制上解释了这一问题

引用过来供大家参考

本题相关关键内容已加粗并下划线

(其中有两张图大家看完一定就明白了)

对于贪婪与非贪婪模式,可以从应用和原理两个角度进行理解,但如果想真正掌握,还是要从匹配原理来理解的。

先从应用的角度,回答一下“什么是贪婪与非贪婪模式?”

2.1 从应用角度分析贪婪与非贪婪模式

2.1.1 什么是贪婪与非贪婪模式

先看一个例子

举例:

源字符串:aa

test1
bb
test2
cc

正则表达式一:

.*

匹配结果一:

test1
bb
test2

正则表达式二:

.*?

匹配结果二:

test1
(这里指的是一次匹配结果,所以没包括
test2

根据上面的例子,从匹配行为上分析一下,什是贪婪与非贪婪模式。

正则表达式一采用的是贪婪模式,在匹配到第一个“”时已经可以使整个表达式匹配成功,但是由于采用的是贪婪模式,所以仍然要向右尝试匹配,查看是否还有更长的可以成功匹配的子串,匹配到第二个“”后,向右再没有可以成功匹配的子串,匹配结束,匹配结果为“

test1
bb
test2
”。当然,实际的匹配过程并不是这样的,后面的匹配原理会详细介绍。

仅从应用角度分析,可以这样认为,贪婪模式,就是在整个表达式匹配成功的前提下,尽可能多的匹配,也就是所谓的“贪婪”,通俗点讲,就是看到想要的,有多少就捡多少,除非再也没有想要的了。

正则表达式二采用的是非贪婪模式,在匹配到第一个“”时使整个表达式匹配成功,由于采用的是非贪婪模式,所以结束匹配,不再向右尝试,匹配结果为“

test1
”。

仅从应用角度分析,可以这样认为,非贪婪模式,就是在整个表达式匹配成功的前提下,尽可能少的匹配,也就是所谓的“非贪婪”,通俗点讲,就是找到一个想要的捡起来就行了,至于还有没有没捡的就不管了。

2.1.2 关于前提条件的说明

在上面从应用角度分析贪婪与非贪婪模式时,一直提到的一个前提条件就是“整个表达式匹配成功”,为什么要强调这个前提,我们看下下面的例子。

正则表达式三:

.*
bb

匹配结果三:

test1
bb

修饰“.”的仍然是匹配优先量词“”,所以这里还是贪婪模式,前面的“

.
”仍然可以匹配到“
test1
bb
test2
”,但是由于后面的“bb”无法匹配成功,这时“
.
”必须让出已匹配的“bb
test2
”,以使整个表达式匹配成功。这时整个表达式匹配的结果为“
test1
bb”,“
.
”匹配的内容为“
test1
”。可以看到,在“整个表达式匹配成功”的前提下,贪婪模式才真正的影响着子表达式的匹配行为,如果整个表达式匹配失败,贪婪模式只会影响匹配过程,对匹配结果的影响无从谈起。

非贪婪模式也存在同样的问题,来看下面的例子。

正则表达式四:

.*?
cc

匹配结果四:

test1
bb
test2
cc

这里采用的是非贪婪模式,前面的“

.?
”仍然是匹配到“
test1
”为止,此时后面的“cc”无法匹配成功,要求“
.?
”必须继续向右尝试匹配,直到匹配内容为“
test1
bb
test2
”时,后面的“cc”才能匹配成功,整个表达式匹配成功,匹配的内容为“
test1
bb
test2
cc”,其中“
.*?
”匹配的内容为“
test1
bb
test2
”。可以看到,在“整个表达式匹配成功”的前提下,非贪婪模式才真正的影响着子表达式的匹配行为,如果整个表达式匹配失败,非贪婪模式无法影响子表达式的匹配行为。

2.1.3 贪婪还是非贪婪——应用的抉择

通过应用角度的分析,已基本了解了贪婪与非贪婪模式的特性,那么在实际应用中,究竟是选择贪婪模式,还是非贪婪模式呢,这要根据需求来确定。

对于一些简单的需求,比如源字符为“aa

test1
bb”,那么取得div标签,使用贪婪与非贪婪模式都可以取得想要的结果,使用哪一种或许关系不大。

但是就2.1.1中的例子来说,实际应用中,一般一次只需要取得一个配对出现的div标签,也就是非贪婪模式匹配到的内容,贪婪模式所匹配到的内容通常并不是我们所需要的。

那为什么还要有贪婪模式的存在呢,从应用角度很难给出满意的解答了,这就需要从匹配原理的角度去分析贪婪与非贪婪模式。

2.2 从匹配原理角度分析贪婪与非贪婪模式

如果想真正了解什么是贪婪模式,什么是非贪婪模式,分别在什么情况下使用,各自的效率如何,那就不能仅仅从应用角度分析,而要充分了解贪婪与非贪婪模式的匹配原理。

2.2.1 从基本匹配原理谈起

NFA引擎基本匹配原理参考:正则基础之——NFA引擎匹配原理。

这里主要针对贪婪与非贪婪模式涉及到的匹配原理进行介绍。先看一下贪婪模式简单的匹配过程。

源字符串:”Regex”

正则表达式:”.*”

img

图2-1 注:为了能够看清晰匹配过程,上面的空隙留得较大,实际源字符串为“”Regex””,下同。

来看一下匹配过程。

  1. 首先由第一个“””取得控制权,匹配位置0位的“””,匹配成功,控制权交给“.*”。
  2. “.*”取得控制权后,由于“*”是匹配优先量词,在可匹配可不匹配的情况下,优先尝试匹配。从位置1处的“R”开始尝试匹配,匹配成功,继续向右匹配,匹配位置2处的“e”,匹配成功,继续向右匹配,直到匹配到结尾的“””,匹配成功,由于此时已匹配到字符串的结尾,所以“.*”结束匹配,将控制权交给正则表达式最后的“””。
  3. “””取得控制权后,由于已经在字符串结束位置,匹配失败,向前查找可供回溯的状态,控制权交给“.*”,由“.*”让出一个字符,也就是字符串结尾处的“””,再把控制权交给正则表达式最后的“””,由“””匹配字符串结尾处的“””,匹配成功。

此时整个正则表达式匹配成功,其中“.*”匹配的内容为“Regex”,匹配过程中进行了一次回溯。

接下来看一下非贪婪模式简单的匹配过程。

源字符串:”Regex”

正则表达式:”.*?”

img

图2-2 看一下非贪婪模式的匹配过程。

  1. 首先由第一个“””取得控制权,匹配位置0位的“””,匹配成功,控制权交给“.*?”
  2. “.*?”取得控制权后,由于“*?”是忽略优先量词,在可匹配可不匹配的情况下,优先尝试不匹配,由于“*”等价于“{0,}”,所以在忽略优先的情况下,可以不匹配任何内容。从位置1处尝试忽略匹配,也就是不匹配任何内容,将控制权交给正则表达式最后的“””。
  3. “””取得控制权后,从位置1处尝试匹配,由“””匹配位置1处的“R”,匹配失败,向前查找可供回溯的状态,控制权交给“.*?”,由“.*?”吃进一个字符,匹配位置1处的“R”,再把控制权交给正则表达式最后的“””。
  4. “””取得控制权后,从位置2处尝试匹配,由“””匹配位置1处的“e”,匹配失败,向前查找可供回溯的状态,重复以上过程,直到由“.*?”匹配到“x”为止,再把控制权交给正则表达式最后的“””。
  5. “””取得控制权后,从位置6处尝试匹配,由“””匹配字符串最后的“””,匹配成功。

此时整个正则表达式匹配成功,其中“.*?”匹配的内容为“Regex”,匹配过程中进行了五次回溯。

全文链接: 正则基础之—

感谢原作者