0.寫在前面

在上一篇文章中，我們學(xué)習(xí)了正則的一些基礎(chǔ)元字符，相信大家都已經(jīng)忘卻的差不多了，可以點擊上面的鏈接再溫習(xí)下。

今天我們一起來學(xué)習(xí)下正則中量詞的三種匹配模式，貪婪模式、非貪婪模式、獨占模式，這些模式會改變正則中量詞的匹配行為，是每次貪婪的匹配到更多呢，還是不貪婪見好就收呢，如果不了解這些，我們寫出的正則很可能是錯誤的，甚至?xí)l(fā)嚴重的線上性能問題。

1.量詞

本篇文章所講的內(nèi)容和量詞關(guān)系比較密切，先回顧下：

我們還可以用 {m,n} 的方式來表示 * + ? 這3種元字符：

2.貪婪模式前傳

在正則中，表示次數(shù)的量詞默認是貪婪的，在貪婪模式下，會盡可能最大長度的去匹配目標字符串，我們用正則 a+ 和 a* 來匹配字符串 aaabb 測試一下。

2.1 使用 a+ 進行匹配

可以看到只匹配到了1個結(jié)果 aaa

對應(yīng)的 Python 代碼如下：

import re

print(re.findall(r'a+', 'aaabb'))

輸出：['aaa']

2.2 使用 a* 進行匹配

可以看到匹配到了4個結(jié)果，其中還有3個是空字符串

對應(yīng)的 Python 代碼如下：

import re

print(re.findall(r'a*', 'aaabb'))

輸出：['aaa', '', '', '']

為什么會匹配到空字符串呢？因為星號（*）代表匹配0到多次，匹配0次就是空字符串，那前面還有個 aaa 呢，為什么 aaa 之間的空字符串沒有被匹配到？

這就引入到了我們今天要講的，貪婪模式與非貪婪模式，從字面上很好理解，貪婪模式就是盡可能多的匹配，非貪婪模式就是盡可能少的匹配。

3.貪婪模式

一起來分析下上面正則 a* 的匹配過程：

a* 在匹配字符串 aaabb 時，會盡可能多的把前面的 a 都匹配上，直到第一個字母 b 不滿足要求為止，匹配上3個 a，后面每次匹配的都是空字符串。

看到這里，相信你已經(jīng)對貪婪模式有了更深的印象，貪婪模式的特點就是盡可能進行最大長度匹配，就是有多少要多少，下面我們在一起來看下與它完全相反的匹配模式。

4.非貪婪模式

上面講完了貪婪模式，貪婪模式是盡可能最大長度匹配，非貪婪模式就是盡可能最小長度匹配，在量詞的后面加一個問號（?），就成了非貪婪模式，比如 a*?

對應(yīng)的 Python 代碼如下：

import re

// 貪婪匹配
print(re.findall(r'a*', 'aaabb'))

輸出：['aaa', '', '', '']

// 非貪婪匹配
print(re.findall(r'a*?', 'aaabb'))

輸出：['', 'a', '', 'a', '', 'a', '', '', '']

學(xué)完了貪婪模式與非貪婪模式，你可能會問，我什么情況下會用到呢，下面舉個栗子感受下：

需求是查找一段字符串中，所有雙引號括起來的內(nèi)容，上面使用貪婪匹配與非貪婪匹配的對比，差別很明顯對吧。

5.獨占模式

不管是貪婪模式，還是非貪婪模式，匹配過程中都需要發(fā)生回溯才能完成想要的功能，但是在有一些場景，我們不需要回溯，匹配不上直接返回失敗就可以了，因此正則匹配中還有另外一種模式，獨占模式，它和貪婪模式很像，但匹配過程中不會發(fā)生回溯，在一些使用場景中性能會更好。

先來講講什么是回溯，再舉個栗子，有一個正則表達式和目標字符串,我們分別看下在三種匹配模式下都發(fā)生了什么：

5.1 貪婪匹配過程

正則表達式：ab{1,3}c

目標字符串：abbc

在匹配時，b{1,3} 會盡可能長的去匹配目標字符串，匹配完 abb 之后，因為要盡可能長的匹配（3個 b），目標字符串中的c就會匹配不上，這個時候會發(fā)生向前回溯，吐出當前字符 c，用正則中的 c 去匹配，匹配成功。

import regex

print(regex.findall(r'ab{1,3}c', 'abbc'))

輸出：['abbc']

5.2 非貪婪匹配過程

正則表達式：ab{1,3}?c

目標字符串：abbc

在匹配時，b{1,3} 會盡可能短的去匹配目標字符串，匹配完 ab 之后，會直接用正則 c 去匹配目標字符串剩下的 b，匹配不上，發(fā)生向前回溯，重新用正則 b{1,3} 匹配 目標字符串剩下的 b，然后正則 c 匹配 目標字符串剩下的 c，匹配成功。

import regex

print(regex.findall(r'ab{1,3}?c', 'abbc'))

輸出：['abbc']

5.3 獨占匹配過程

在量詞后面加上 + 就是獨占模式。

正則表達式：ab{1,2}+bc

目標字符串：abbc

在匹配時，b{1,2} 會盡可能長的去匹配目標字符串，匹配完 abb 之后，會用正則 b 匹配目標字符串剩下的 c，匹配不上，不回溯，匹配失敗。

import regex

print(regex.findall(r'ab{1,2}+bc', 'abbc'))

輸出：[]

6.寫在最后

最后在總結(jié)下上面講到的內(nèi)容：

到這里，正則表達式的量詞與貪婪就講完了，如果有問題可以給我留言評論，謝謝。

正則表達式在線校驗工具：https://regex101.com/

到此這篇關(guān)于正則表達式量詞與貪婪的使用詳解的文章就介紹到這了,更多相關(guān)正則表達式 量詞與貪婪內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論