正则表达式量词与贪婪的使用详解
作者：容华谢后
0.写在前面
在上一篇文章中，我们学习了正则的一些基础元字符，相信大家都已经忘却的差不多了，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，贪婪模式、非贪婪模式、独占模式，这些模式会改变正则中量词的匹配行为，是每次贪婪的匹配到更多呢，还是不贪婪见好就收呢，如果不了解这些，我们写出的正则很可能是错误的，甚至会引发严重的线上性能问题。
1.量词
本篇文章所讲的内容和量词关系比较密切，先回顾下：
我们还可以用 {m,n} 的方式来表示 * + ? 这3种元字符：
| 元字符 | 同义表示方法 | 示例 |
|---|---|---|
| * | {0,} | ab* 可以匹配 a 或者 abb |
| + | {1,} | ab+ 可以匹配 ab 或者 abb 但不能匹配 a |
| ? | {0,1} | ab? 可以匹配 a 或者 ab 但不能匹配 abb |
2.贪婪模式前传
在正则中，表示次数的量词默认是贪婪的，在贪婪模式下，会尽可能最大长度的去匹配目标字符串，我们用正则 a+ 和 a* 来匹配字符串 aaabb 测试一下。
2.1 使用 a+ 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：
import re print(re.findall(r'a+', 'aaabb')) 输出：['aaa']
2.2 使用 a* 进行匹配
可以看到匹配到了4个结果，其中还有3个是空字符串
对应的 Python 代码如下：
import re print(re.findall(r'a*', 'aaabb')) 输出：['aaa', '', '', '']
为什么会匹配到空字符串呢？因为星号（*）代表匹配0到多次，匹配0次就是空字符串，那前面还有个 aaa 呢，为什么 aaa 之间的空字符串没有被匹配到？
这就引入到了我们今天要讲的，贪婪模式与非贪婪模式，从字面上很好理解，贪婪模式就是尽可能多的匹配，非贪婪模式就是尽可能少的匹配。
3.贪婪模式
一起来分析下上面正则 a* 的匹配过程：
| 字符串 | a | a | a | b | b | 空字符串 |
|---|---|---|---|---|---|---|
| 下标 | 0 | 1 | 2 | 3 | 4 | 5 |
| 匹配 | 开始 | 结束 | 说明 | 匹配内容 |
|---|---|---|---|---|
| 第一次 | 0 | 3 | 到第一个字母b发现不匹配，输出aaa | aaa |
| 第二次 | 3 | 3 | 匹配剩下的bb，发现匹配不上，输出空字符串 | 空字符串 |
| 第三次 | 4 | 4 | 匹配剩下的b，发现匹配不上，输出空字符串 | 空字符串 |
| 第四次 | 5 | 5 | 匹配剩下的空字符串，输出空字符串 | 空字符串 |
a* 在匹配字符串 aaabb 时，会尽可能多的把前面的 a 都匹配上，直到第一个字母 b 不满足要求为止，匹配上3个 a，后面每次匹配的都是空字符串。
看到这里，相信你已经对贪婪模式有了更深的印象，贪婪模式的特点就是尽可能进行最大长度匹配，就是有多少要多少，下面我们在一起来看下与它完全相反的匹配模式。
4.非贪婪模式
上面讲完了贪婪模式，贪婪模式是尽可能最大长度匹配，非贪婪模式就是尽可能最小长度匹配，在量词的后面加一个问号（?），就成了非贪婪模式，比如 a*?
对应的 Python 代码如下：
import re // 贪婪匹配 print(re.findall(r'a*', 'aaabb')) 输出：['aaa', '', '', ''] // 非贪婪匹配 print(re.findall(r'a*?', 'aaabb')) 输出：['', 'a', '', 'a', '', 'a', '', '', '']
学完了贪婪模式与非贪婪模式，你可能会问，我什么情况下会用到呢，下面举个栗子感受下：
需求是查找一段字符串中，所有双引号括起来的内容，上面使用贪婪匹配与非贪婪匹配的对比，差别很明显对吧。
5.独占模式
不管是贪婪模式，还是非贪婪模式，匹配过程中都需要发生回溯才能完成想要的功能，但是在有一些场景，我们不需要回溯，匹配不上直接返回失败就可以了，因此正则匹配中还有另外一种模式，独占模式，它和贪婪模式很像，但匹配过程中不会发生回溯，在一些使用场景中性能会更好。
先来讲讲什么是回溯，再举个栗子，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：
5.1 贪婪匹配过程
正则表达式：ab{1,3}c
目标字符串：abbc
在匹配时，b{1,3} 会尽可能长的去匹配目标字符串，匹配完 abb 之后，因为要尽可能长的匹配（3个 b），目标字符串中的c就会匹配不上，这个时候会发生向前回溯，吐出当前字符 c，用正则中的 c 去匹配，匹配成功。
import regex
print(regex.findall(r'ab{1,3}c', 'abbc'))
输出：['abbc']
5.2 非贪婪匹配过程
正则表达式：ab{1,3}?c
目标字符串：abbc
在匹配时，b{1,3} 会尽可能短的去匹配目标字符串，匹配完 ab 之后，会直接用正则 c 去匹配目标字符串剩下的 b，匹配不上，发生向前回溯，重新用正则 b{1,3} 匹配 目标字符串剩下的 b，然后正则 c 匹配 目标字符串剩下的 c，匹配成功。
import regex
print(regex.findall(r'ab{1,3}?c', 'abbc'))
输出：['abbc']
5.3 独占匹配过程
在量词后面加上 + 就是独占模式。
正则表达式：ab{1,2}+bc
目标字符串：abbc
在匹配时，b{1,2} 会尽可能长的去匹配目标字符串，匹配完 abb 之后，会用正则 b 匹配目标字符串剩下的 c，匹配不上，不回溯，匹配失败。
import regex
print(regex.findall(r'ab{1,2}+bc', 'abbc'))
输出：[]
6.写在最后
最后在总结下上面讲到的内容：
到这里，正则表达式的量词与贪婪就讲完了，如果有问题可以给我留言评论，谢谢。
正则表达式在线校验工具：https://regex101.com/
到此这篇关于正则表达式量词与贪婪的使用详解的文章就介绍到这了,更多相关正则表达式 量词与贪婪内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！