个人了解正则表达式——懒惰匹配

问题描述

http://www.hcoding.com/?p=130

初学正则表达式的时候都有一个疑问，例如：需要匹配串 "_abc_123_" 中 第一对"_"之间的字符，刚开始学习正则表达式的时候会写成 "/_\w*_/"，匹配的结果就是"abc_123" 而不是"abc"了；大神说加上一个问号，"/_\w*?_/"，这时候匹配的结果就是"abc"。

我们知道'？'单独使用的时候表示：重复零次或一次，而当'？'出现在重复限定符后面的，起的作用就是懒惰匹配，也就是匹配尽可能少的字符。懒惰限定符说明：

• *?：重复任意次，但尽可能少重复
• +?：重复1次或更多次，但尽可能少重复
• ??：重复0次或1次，但尽可能少重复
• {n,m}?：重复n到m次，但尽可能少重复
• {n,}?：重复n次以上，但尽可能少重复

对的，“尽可能少重复”，这就是对懒惰匹配的粗暴直白的解说。

那么怎么理解“尽可能少重复”呢？我们可以从正则表达式的忽略优先量词来解释了。

忽略优先量词

量词"*?"、"+?"、"??"、"{n,m}?"、"{n,}?"都属于忽略优先量词，忽略优先量词使用的是在?、+、*、{}后面添加?组成的，忽略优先在匹配的时候首先会尝试忽略，如果失败后回溯才会选择尝试。比如`ab??`匹配“abb”会得到‘a’而不是“ab”。当引擎匹配成功a后，由于是忽略优先，引擎首先选择不匹配b，继续查看表达式，发现表达式结束了，那么引擎就直接上报匹配成功。具体我们通过下面的例子一步一步说明忽略优先量词工作原理。

例子

还是上面的例子，用"/_\w*?_/"匹配"_abc_123_" 中 第一对"_"之间的字符。

开始匹配第一个'_'之后，‘\w*?’首先决定不需要匹配任何字符，因为它是忽略优先量词，这时候就拿表达式'/_\w*?_/'中的第二个'_'（'\w*?'后面的'_'）和目标串'_abc_123_'中的'a'匹配，匹配失败，这时候才会拿'\w*?'去尝试未匹配的分支（使用\w匹配a，尝试匹配a成功）

下一步，是尝试匹配，还是忽略呢？因为'\w*?'是忽略优先量词，会选择忽略，那么就是重复上一步，'_'匹配b失败，'\w*?'去尝试未匹配的分支ab，以上步骤总共重复了3次后（直到表达式'\w*?'后面的'_'和目标串第二个'_'匹配），最终匹配出'abc'。

过程（开始匹配第一个'_'之后）：

• 表达式/_\w*?_/'中的第二个'_'和目标串'_abc_123_'中的'a'匹配，匹配失败，'\w*?'尝试匹配目标串'_abc_123_'中的'a'，匹配成功。
• 表达式/_\w*?_/'中的第二个'_'和目标串'_abc_123_'中的'b'匹配，匹配失败，'\w*?'尝试匹配目标串'_abc_123_'中的'ab'，匹配成功。
• 表达式/_\w*?_/'中的第二个'_'和目标串'_abc_123_'中的'c'匹配，匹配失败，'\w*?'尝试匹配目标串'_abc_123_'中的'abc'，匹配成功。
• 表达式/_\w*?_/'中的第二个'_'和目标串'_abc_123_'中的'_'匹配，匹配成功，匹配结束。结果为abc。

以上是阅读《精通正则表达式》关于忽略优先量词一节的想法，如有不对虚心接受各位的指教，谢谢！

http://www.hcoding.com/?p=130

原创文章，转载请注明：JC&hcoding.com