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。