正则表达式笔记 3 贪婪、勉强、独占三种匹配量词

Regex :

• 本文介绍正则表达式中匹配的三种量词：贪婪(Greedy)、勉强(Reluctant)、独占(Possessive)
• 本文的正则表达式在 Java 中测试 ，下面讲解三种量词匹配的区别的时候用的是同一个字符串：<ol><li>Ggicci's Blog</li><li>Ggicci's Facebook</li></ol> ，这是一段 html 代码，用它来做示例

---

        在笔记 1 中讲到过 ?（重复0次或1次）、*（重复0次或多次）、+（重复1次或多次）。

Greedy Quantifiers  贪婪	Reluctant Quantifiers  勉强	Possessive Quantifiers  独占
X?	X??	X?+
X*	X*?	X*+
X+	X+?	X++
X{n}	X{n}?	X{n}+
X{n,}	X{n,}?	X{n,}+
X{n,m}	X{n,m}?	X{n,m}+

---

Greedy :

匹配最长。在贪婪量词模式下，正则表达式会尽可能长地去匹配符合规则的字符串，且会回溯。

        代码：

•    1: String source = "<ol><li>Ggicci's Blog</li><li>Ggicci's Facebook</li></ol>";

     2: Pattern pattern = Pattern.compile("<li>.*</li>");

     3: Matcher matcher = pattern.matcher(source);

     4: while (matcher.find()) {

     5:     System.out.println(matcher.group());

     6: }

     1: //输出：

     2: <li>Ggicci's Blog</li><li>Ggicci's Facebook</li>

        解释：首先 .* 匹配任何字符（在非 DOTALL 模式下不匹配 \n,\r,\a 一类字符），在 source 中第一个被匹配的 <li> 后面直至最后一个字符（也就是</ol>的 >）都符合 .* 的匹配规则，但是显然如果 .* 匹配到最后一个字符，那么没有剩余的字符去匹配正则表达式中还未匹配的 </li> 的，那么会引起匹配失败。但是失败后会回溯（这一点与独占量词不同，下面会讲到）。回溯后这段正则表达式将匹配到 source 中第一个 <li> 和第二个 </li> 以及之间的内容，如上面的输出所示。

---

Reluctant ：

匹配最短。在勉强量词模式下，正则表达式会匹配尽可能短的字符串。

        代码：

•    1: String source = "<ol><li>Ggicci's Blog</li><li>Ggicci's Facebook</li></ol>";

     2: Pattern pattern = Pattern.compile("<li>.*?</li>");

     3: Matcher matcher = pattern.matcher(source);

     4: while (matcher.find()) {

     5:     System.out.println(matcher.group());

     6: }

     1: //输出：

     2: <li>Ggicci's Blog</li>

     3: <li>Ggicci's Facebook</li>

        解释：source 中第一个<li>匹配到之后到第一个</li>之间的字符都符合 .* 的匹配规则，同时如果继续匹配 </li> 也符合这个规则，但是勉强模式下，它会尽可能短地匹配字符串，故第一个找到的字符串应该是 <li>Ggicci’s Blog</li>，如上面输出所示。然后它会继续匹配剩余的字符串，找到第二个。

---

Possessive :

同贪婪一样匹配最长。不过在独占量词模式下，正则表达式尽可能长地去匹配字符串，一旦匹配不成功就会结束匹配而不会回溯。

        代码：

•    1: String source = "<ol><li>Ggicci's Blog</li><li>Ggicci's Facebook</li></ol>";

     2: Pattern pattern = Pattern.compile("<li>.*+</li>");

     3: Matcher matcher = pattern.matcher(source);

     4: while (matcher.find()) {

     5:     System.out.println(matcher.group());

     6: }

        解释：这段正则表达式将不会在 source 找到任何匹配的内容，因为 <li> 匹配到后， .*+ 所能匹配的字符尽可能长地匹配下去，直到 source 的最后一个字符，这必将引起匹配失败，但是在独占模式下一旦匹配失败就不会回溯，故不存在像贪婪模式一样回溯之后找到 </ol>之前的</li> 的情况。