【转载】理解正则表达式的贪婪与非贪婪模式

概述

贪婪与非贪婪模式影响的是被量词修饰的子表达式的匹配行为，贪婪模式在整个表达式匹配成功的前提下，尽量多地匹配，而非贪婪模式在整个表达式匹配成功的前提下，尽量少地匹配。非贪婪模式只被部分NFA引擎（肯定性有穷自动机）所支持。 

属于贪婪模式的量词，也叫作匹配优先量词，包括：

1 “{m,n}?”、“{m,}?”、“??”、“*?”、“+?”

从正则语法的角度来说，被匹配优先量词修饰的子表达式使用的就是贪婪模式，如“(Expression)+”；被忽略优先量词修饰的子表达式使用的就是非贪婪模式，如(Expression)+?。对于贪婪模式，各类文档的叫法基本一致，可是对于非贪婪模式，有的叫懒惰模式或惰性模式，有的叫勉强模式。其实叫什么无所谓，只要掌握原理和用法，可以运用自如就好。我的习惯使用贪婪与非贪婪的叫法，因此文中都会使用这种叫法进行介绍。

贪婪与非贪婪模式匹配原理

对于贪婪与非贪婪模式，能够从应用和原理两个角度进行理解，但若是想真正掌握，仍是要从匹配原理来理解。先从应用的角度，回答一下“什么是贪婪与非贪婪模式”。先看一个例子，源字符串：

before<div>block one</div>middle<div>block two</div>after

正则表达式一：

1 <div>.*</div> 

匹配结果一：

<div>block one</div>middle<div>block two</div>

正则表达式二：

1 <div>.*?</div> 

匹配结果二：

<div>block one</div>（这里指的是一次匹配结果，因此没包括<div>block two</div>） 

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</div>时已经可使整个表达式匹配成功，可是因为采用的是贪婪模式，因此仍然要向右尝试匹配，查看是否还有更长的能够成功匹配的子串，匹配到第二个</div>后，向右再没有能够成功匹配的子串，匹配结束，匹配结果为<div>block one</div>block two<div>block three</div>。固然，实际的匹配过程并非这样的，后面的匹配原理会详细介绍。仅从应用角度分析，能够这样认为，贪婪模式，就是在整个表达式匹配成功的前提下，尽量多地匹配，也就是所谓的“贪婪”，通俗点讲，就是看到想要的，有多少就匹配多少，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</div>时使整个表达式匹配成功，因为采用的是非贪婪模式，因此结束匹配，再也不向右尝试，匹配结果为<div>block one</div>。仅从应用角度分析，能够这样认为，非贪婪模式，就是在整个表达式匹配成功的前提下，尽量少地匹配，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好了，至于还有没有没捡的就无论了。

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”，为何要强调这个前提，咱们看下下面的例子。

正则表达式三：

1 <div>.*</div>middle

匹配结果三：

<div>block one</div>middle

修饰“.”的仍然是匹配优先量词“*”，因此这里仍是贪婪模式，前面的<div>.*</div>仍然能够匹配到<div>block one</div>middle<div>block two</div>，可是因为后面的middle没法匹配成功，这时<div>.*</div>必须让出已匹配的middle<div>block two</div>，以使整个表达式匹配成功。这时整个表达式匹配的结果为<div>block one</div>middle，<div>.*</div>匹配的内容为<div>block one</div>。能够看到，在“整个表达式匹配成功”的前提下，贪婪模式才真正地影响着子表达式的匹配行为，若是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。非贪婪模式也存在一样的问题，来看下面的例子。 

正则表达式四：

1 <div>.*?</div>after

匹配结果四：

<div>block one</div>middle<div>block two</div>after 

这里采用的是非贪婪模式，前面的<div>.*?</div>仍然是匹配到<div>block one</div>为止，此时后面的after没法匹配成功，要求<div>.*?</div>必须继续向右尝试匹配，直到匹配内容为<div>block one</div>middle<div>block two</div>时，后面的after才能匹配成功，整个表达式匹配成功，匹配的内容为<div>block one</div>middle<div>block two</div>after，其中<div>.*?</div>匹配的内容为<div>block one</div>middle<div>block two</div>。能够看到，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，若是整个表达式匹配失败，非贪婪模式没法影响子表达式的匹配行为。

经过应用角度的分析，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，到底是选择贪婪模式，仍是非贪婪模式呢，这要根据需求来肯定。对于一些简单的需求，好比源字符为before<div>block one</div>middle，那么取得div标签，使用贪婪与非贪婪模式均可以取得想要的结果，使用哪种或许关系不大。可是就上述例子来讲，在实际应用中，通常一次只须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一般并非咱们所须要的。那为何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，这就须要从匹配原理的角度去分析贪婪与非贪婪模式。

下面从匹配原理角度分析贪婪与非贪婪模式。若是想真正了解什么是贪婪模式，什么是非贪婪模式，分别在什么状况下使用，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。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。

采用源字符串："Regex"
采用正则表达式：.*

 

来看一下匹配过程。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“.*”。“.*”取得控制权后，因为“*”是匹配优先量词，在可匹配可不匹配的状况下，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，因为此时已匹配到字符串的结尾，因此“.*”结束匹配，将控制权交给正则表达式最后的“””。“””取得控制权后，因为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”，匹配过程当中进行了一次回溯。接下来看一下非贪婪模式简单的匹配过程。

采用源字符串："Regex"
采用正则表达式：.*?

 

看一下非贪婪模式的匹配过程。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“.*?”。“.*?”取得控制权后，因为“*?”是忽略优先量词，在可匹配可不匹配的状况下，优先尝试不匹配，因为“*”等价于“{0,}”，因此在忽略优先的状况下，能够不匹配任何内容。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“””。“””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“””。“””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“””。“””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”，匹配过程当中进行了五次回溯。

经过匹配原理的分析，能够看到，在匹配成功的状况下，贪婪模式进行了更少的回溯，而回溯的过程，须要进行控制权的交接，让出已匹配内容或匹配未匹配内容，并从新尝试匹配，在很大程度上下降匹配效率，因此贪婪模式与非贪婪模式相比，存在匹配效率上的优点。上述例子中，仅仅是一个简单的应用，读者看到这里时，是否会存在这样的疑问，贪婪模式就必定比非贪婪模式匹配效率高吗？答案是否认的。

转自：https://blog.csdn.net/u014762221/article/details/68953155