开发笔记:一起学习正则表达式量词与贪婪

转载请注明出处&＃xff1a;https://blog.csdn.net/kong_gu_you_lan/article/details/118565947

本文出自 容华谢后的博客

《一起学习正则表达式&＃xff08;一&＃xff09;那些让人头晕的元字符》

在上一篇文章中&＃xff0c;我们学习了正则的一些基础元字符&＃xff0c;相信大家都已经忘却的差不多了&＃xff0c;可以点击上面的链接再温习下。

今天我们一起来学习下正则中量词的三种匹配模式&＃xff0c;贪婪模式、非贪婪模式、独占模式&＃xff0c;这些模式会改变正则中量词的匹配行为&＃xff0c;是每次贪婪的匹配到更多呢&＃xff0c;还是不贪婪见好就收呢&＃xff0c;如果不了解这些&＃xff0c;我们写出的正则很可能是错误的&＃xff0c;甚至会引发严重的线上性能问题。

本篇文章所讲的内容和量词关系比较密切&＃xff0c;先回顾下&＃xff1a;

我们还可以用 {m,n} 的方式来表示 * &＃43; ? 这3种元字符&＃xff1a;

在正则中&＃xff0c;表示次数的量词默认是贪婪的&＃xff0c;在贪婪模式下&＃xff0c;会尽可能最大长度的去匹配目标字符串&＃xff0c;我们用正则 a&＃43; 和 a* 来匹配字符串 aaabb 测试一下。

2.1 使用 a&＃43; 进行匹配

可以看到只匹配到了1个结果 aaa

对应的 Python 代码如下&＃xff1a;

import re
print(re.findall(r&＃39;a&＃43;&＃39;, &＃39;aaabb&＃39;))
输出&＃xff1a;[&＃39;aaa&＃39;]


2.2 使用 a* 进行匹配

可以看到匹配到了4个结果&＃xff0c;其中还有3个是空字符串

对应的 Python 代码如下&＃xff1a;

import re
print(re.findall(r&＃39;a*&＃39;, &＃39;aaabb&＃39;))
输出&＃xff1a;[&＃39;aaa&＃39;, &＃39;&＃39;, &＃39;&＃39;, &＃39;&＃39;]


为什么会匹配到空字符串呢&＃xff1f;因为星号&＃xff08;*&＃xff09;代表匹配0到多次&＃xff0c;匹配0次就是空字符串&＃xff0c;那前面还有个 aaa 呢&＃xff0c;为什么 aaa 之间的空字符串没有被匹配到&＃xff1f;

这就引入到了我们今天要讲的&＃xff0c;贪婪模式与非贪婪模式&＃xff0c;从字面上很好理解&＃xff0c;贪婪模式就是尽可能多的匹配&＃xff0c;非贪婪模式就是尽可能少的匹配。

一起来分析下上面正则 a* 的匹配过程&＃xff1a;

a* 在匹配字符串 aaabb 时&＃xff0c;会尽可能多的把前面的 a 都匹配上&＃xff0c;直到第一个字母 b 不满足要求为止&＃xff0c;匹配上3个 a&＃xff0c;后面每次匹配的都是空字符串。

看到这里&＃xff0c;相信你已经对贪婪模式有了更深的印象&＃xff0c;贪婪模式的特点就是尽可能进行最大长度匹配&＃xff0c;就是有多少要多少&＃xff0c;下面我们在一起来看下与它完全相反的匹配模式。

上面讲完了贪婪模式&＃xff0c;贪婪模式是尽可能最大长度匹配&＃xff0c;非贪婪模式就是尽可能最小长度匹配&＃xff0c;在量词的后面加一个问号&＃xff08;?&＃xff09;&＃xff0c;就成了非贪婪模式&＃xff0c;比如 a*?

对应的 Python 代码如下&＃xff1a;

import re
// 贪婪匹配
print(re.findall(r&＃39;a*&＃39;, &＃39;aaabb&＃39;))
输出&＃xff1a;[&＃39;aaa&＃39;, &＃39;&＃39;, &＃39;&＃39;, &＃39;&＃39;]
// 非贪婪匹配
print(re.findall(r&＃39;a*?&＃39;, &＃39;aaabb&＃39;))
输出&＃xff1a;[&＃39;&＃39;, &＃39;a&＃39;, &＃39;&＃39;, &＃39;a&＃39;, &＃39;&＃39;, &＃39;a&＃39;, &＃39;&＃39;, &＃39;&＃39;, &＃39;&＃39;]


学完了贪婪模式与非贪婪模式&＃xff0c;你可能会问&＃xff0c;我什么情况下会用到呢&＃xff0c;下面举个栗子感受下&＃xff1a;

需求是查找一段字符串中&＃xff0c;所有双引号括起来的内容&＃xff0c;上面使用贪婪匹配与非贪婪匹配的对比&＃xff0c;差别很明显对吧。

不管是贪婪模式&＃xff0c;还是非贪婪模式&＃xff0c;匹配过程中都需要发生回溯才能完成想要的功能&＃xff0c;但是在有一些场景&＃xff0c;我们不需要回溯&＃xff0c;匹配不上直接返回失败就可以了&＃xff0c;因此正则匹配中还有另外一种模式&＃xff0c;独占模式&＃xff0c;它和贪婪模式很像&＃xff0c;但匹配过程中不会发生回溯&＃xff0c;在一些使用场景中性能会更好。

先来讲讲什么是回溯&＃xff0c;再举个栗子&＃xff0c;有一个正则表达式和目标字符串,我们分别看下在三种匹配模式下都发生了什么&＃xff1a;

5.1 贪婪匹配过程

正则表达式&＃xff1a;ab{1,3}c

目标字符串&＃xff1a;abbc

在匹配时&＃xff0c;b{1,3} 会尽可能长的去匹配目标字符串&＃xff0c;匹配完 abb 之后&＃xff0c;因为要尽可能长的匹配&＃xff08;3个 b&＃xff09;&＃xff0c;目标字符串中的c就会匹配不上&＃xff0c;这个时候会发生向前回溯&＃xff0c;吐出当前字符 c&＃xff0c;用正则中的 c 去匹配&＃xff0c;匹配成功。

import regex
print(regex.findall(r&＃39;ab{1,3}c&＃39;, &＃39;abbc&＃39;))
输出&＃xff1a;[&＃39;abbc&＃39;]


5.2 非贪婪匹配过程

正则表达式&＃xff1a;ab{1,3}?c

目标字符串&＃xff1a;abbc

在匹配时&＃xff0c;b{1,3} 会尽可能短的去匹配目标字符串&＃xff0c;匹配完 ab 之后&＃xff0c;会直接用正则 c 去匹配目标字符串剩下的 b&＃xff0c;匹配不上&＃xff0c;发生向前回溯&＃xff0c;重新用正则 b{1,3} 匹配 目标字符串剩下的 b&＃xff0c;然后正则 c 匹配 目标字符串剩下的 c&＃xff0c;匹配成功。

import regex
print(regex.findall(r&＃39;ab{1,3}?c&＃39;, &＃39;abbc&＃39;))
输出&＃xff1a;[&＃39;abbc&＃39;]


5.3 独占匹配过程

在量词后面加上 &＃43; 就是独占模式。

正则表达式&＃xff1a;ab{1,2}&＃43;bc

目标字符串&＃xff1a;abbc

在匹配时&＃xff0c;b{1,2} 会尽可能长的去匹配目标字符串&＃xff0c;匹配完 abb 之后&＃xff0c;会用正则 b 匹配目标字符串剩下的 c&＃xff0c;匹配不上&＃xff0c;不回溯&＃xff0c;匹配失败。

import regex
print(regex.findall(r&＃39;ab{1,2}&＃43;bc&＃39;, &＃39;abbc&＃39;))
输出&＃xff1a;[]

6.写在最后

最后在总结下上面讲到的内容&＃xff1a;

到这里&＃xff0c;正则表达式的量词与贪婪就讲完了&＃xff0c;如果有问题可以给我留言评论&＃xff0c;谢谢。

正则表达式在线校验工具&＃xff1a;https://regex101.com/