【轉載】理解正則表達式的貪婪與非貪婪模式

概述

貪婪與非貪婪模式影響的是被量詞修飾的子表達式的匹配行爲，貪婪模式在整個表達式匹配成功的前提下，儘量多地匹配，而非貪婪模式在整個表達式匹配成功的前提下，儘量少地匹配。非貪婪模式只被部分NFA引擎（肯定性有窮自動機）所支持。 

屬於貪婪模式的量詞，也叫作匹配優先量詞，包括：

1 「{m,n}?」、「{m,}?」、「??」、「*?」、「+?」

從正則語法的角度來說，被匹配優先量詞修飾的子表達式使用的就是貪婪模式，如「(Expression)+」；被忽略優先量詞修飾的子表達式使用的就是非貪婪模式，如(Expression)+?。對於貪婪模式，各類文檔的叫法基本一致，可是對於非貪婪模式，有的叫懶惰模式或惰性模式，有的叫勉強模式。其實叫什麼無所謂，只要掌握原理和用法，可以運用自如就好。我的習慣使用貪婪與非貪婪的叫法，因此文中都會使用這種叫法進行介紹。

貪婪與非貪婪模式匹配原理

對於貪婪與非貪婪模式，能夠從應用和原理兩個角度進行理解，但若是想真正掌握，仍是要從匹配原理來理解。先從應用的角度，回答一下「什麼是貪婪與非貪婪模式」。先看一個例子，源字符串：

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

正則表達式一：

1 <div>.*</div> 

匹配結果一：

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

正則表達式二：

1 <div>.*?</div> 

匹配結果二：

<div>block one</div>（這裏指的是一次匹配結果，因此沒包括<div>block two</div>） 

根據上面的例子，從匹配行爲上分析一下，什是貪婪與非貪婪模式。正則表達式一採用的是貪婪模式，在匹配到第一個</div>時已經可使整個表達式匹配成功，可是因爲採用的是貪婪模式，因此仍然要向右嘗試匹配，查看是否還有更長的能夠成功匹配的子串，匹配到第二個</div>後，向右再沒有能夠成功匹配的子串，匹配結束，匹配結果爲<div>block one</div>block two<div>block three</div>。固然，實際的匹配過程並非這樣的，後面的匹配原理會詳細介紹。僅從應用角度分析，能夠這樣認爲，貪婪模式，就是在整個表達式匹配成功的前提下，儘量多地匹配，也就是所謂的「貪婪」，通俗點講，就是看到想要的，有多少就匹配多少，除非再也沒有想要的了。正則表達式二採用的是非貪婪模式，在匹配到第一個</div>時使整個表達式匹配成功，因爲採用的是非貪婪模式，因此結束匹配，再也不向右嘗試，匹配結果爲<div>block one</div>。僅從應用角度分析，能夠這樣認爲，非貪婪模式，就是在整個表達式匹配成功的前提下，儘量少地匹配，也就是所謂的「非貪婪」，通俗點講，就是找到一個想要的撿起來就好了，至於還有沒有沒撿的就無論了。

關於前提條件的說明。在上面從應用角度分析貪婪與非貪婪模式時，一直提到的一個前提條件就是「整個表達式匹配成功」，爲何要強調這個前提，咱們看下下面的例子。

正則表達式三：

1 <div>.*</div>middle

匹配結果三：

<div>block one</div>middle

修飾「.」的仍然是匹配優先量詞「*」，因此這裏仍是貪婪模式，前面的<div>.*</div>仍然能夠匹配到<div>block one</div>middle<div>block two</div>，可是因爲後面的middle沒法匹配成功，這時<div>.*</div>必須讓出已匹配的middle<div>block two</div>，以使整個表達式匹配成功。這時整個表達式匹配的結果爲<div>block one</div>middle，<div>.*</div>匹配的內容爲<div>block one</div>。能夠看到，在「整個表達式匹配成功」的前提下，貪婪模式才真正地影響着子表達式的匹配行爲，若是整個表達式匹配失敗，貪婪模式只會影響匹配過程，對匹配結果的影響無從談起。非貪婪模式也存在一樣的問題，來看下面的例子。 

正則表達式四：

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

匹配結果四：

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

這裏採用的是非貪婪模式，前面的<div>.*?</div>仍然是匹配到<div>block one</div>爲止，此時後面的after沒法匹配成功，要求<div>.*?</div>必須繼續向右嘗試匹配，直到匹配內容爲<div>block one</div>middle<div>block two</div>時，後面的after才能匹配成功，整個表達式匹配成功，匹配的內容爲<div>block one</div>middle<div>block two</div>after，其中<div>.*?</div>匹配的內容爲<div>block one</div>middle<div>block two</div>。能夠看到，在「整個表達式匹配成功」的前提下，非貪婪模式才真正的影響着子表達式的匹配行爲，若是整個表達式匹配失敗，非貪婪模式沒法影響子表達式的匹配行爲。

經過應用角度的分析，已基本瞭解了貪婪與非貪婪模式的特性，那麼在實際應用中，到底是選擇貪婪模式，仍是非貪婪模式呢，這要根據需求來肯定。對於一些簡單的需求，好比源字符爲before<div>block one</div>middle，那麼取得div標籤，使用貪婪與非貪婪模式均可以取得想要的結果，使用哪種或許關係不大。可是就上述例子來講，在實際應用中，通常一次只須要取得一個配對出現的div標籤，也就是非貪婪模式匹配到的內容，貪婪模式所匹配到的內容一般並非咱們所須要的。那爲何還要有貪婪模式的存在呢，從應用角度很難給出滿意的解答了，這就須要從匹配原理的角度去分析貪婪與非貪婪模式。

下面從匹配原理角度分析貪婪與非貪婪模式。若是想真正瞭解什麼是貪婪模式，什麼是非貪婪模式，分別在什麼狀況下使用，各自的效率如何，那就不能僅僅從應用角度分析，而要充分了解貪婪與非貪婪模式的匹配原理。NFA引擎匹配原理，這裏主要針對貪婪與非貪婪模式涉及到的匹配原理進行介紹。先看一下貪婪模式簡單的匹配過程。

採用源字符串："Regex"
採用正則表達式：.*

 

來看一下匹配過程。首先由第一個「」」取得控制權，匹配位置0位的「」」，匹配成功，控制權交給「.*」。「.*」取得控制權後，因爲「*」是匹配優先量詞，在可匹配可不匹配的狀況下，優先嚐試匹配。從位置1處的「R」開始嘗試匹配，匹配成功，繼續向右匹配，匹配位置2處的「e」，匹配成功，繼續向右匹配，直到匹配到結尾的「」」，匹配成功，因爲此時已匹配到字符串的結尾，因此「.*」結束匹配，將控制權交給正則表達式最後的「」」。「」」取得控制權後，因爲已經在字符串結束位置，匹配失敗，向前查找可供回溯的狀態，控制權交給「.*」，由「.*」讓出一個字符，也就是字符串結尾處的「」」，再把控制權交給正則表達式最後的「」」，由「」」匹配字符串結尾處的「」」，匹配成功。此時整個正則表達式匹配成功，其中「.*」匹配的內容爲「Regex」，匹配過程當中進行了一次回溯。接下來看一下非貪婪模式簡單的匹配過程。

採用源字符串："Regex"
採用正則表達式：.*?

 

看一下非貪婪模式的匹配過程。首先由第一個「」」取得控制權，匹配位置0位的「」」，匹配成功，控制權交給「.*?」。「.*?」取得控制權後，因爲「*?」是忽略優先量詞，在可匹配可不匹配的狀況下，優先嚐試不匹配，因爲「*」等價於「{0,}」，因此在忽略優先的狀況下，能夠不匹配任何內容。從位置1處嘗試忽略匹配，也就是不匹配任何內容，將控制權交給正則表達式最後的「」」。「」」取得控制權後，從位置1處嘗試匹配，由「」」匹配位置1處的「R」，匹配失敗，向前查找可供回溯的狀態，控制權交給「.*?」，由「.*?」吃進一個字符，匹配位置1處的「R」，再把控制權交給正則表達式最後的「」」。「」」取得控制權後，從位置2處嘗試匹配，由「」」匹配位置1處的「e」，匹配失敗，向前查找可供回溯的狀態，重複以上過程，直到由「.*?」匹配到「x」爲止，再把控制權交給正則表達式最後的「」」。「」」取得控制權後，從位置6處嘗試匹配，由「」」匹配字符串最後的「」」，匹配成功。 此時整個正則表達式匹配成功，其中「.*?」匹配的內容爲「Regex」，匹配過程當中進行了五次回溯。

經過匹配原理的分析，能夠看到，在匹配成功的狀況下，貪婪模式進行了更少的回溯，而回溯的過程，須要進行控制權的交接，讓出已匹配內容或匹配未匹配內容，並從新嘗試匹配，在很大程度上下降匹配效率，因此貪婪模式與非貪婪模式相比，存在匹配效率上的優點。上述例子中，僅僅是一個簡單的應用，讀者看到這裏時，是否會存在這樣的疑問，貪婪模式就必定比非貪婪模式匹配效率高嗎？答案是否認的。

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