正则表达式 贪心量词懒惰量词支配性量词

正则表达式中有三个量词：贪婪、惰性、支配，记录一下我对贪婪和惰性的理解

1 贪婪：一下子打算匹配整个字符串，如果发现不匹配，就去掉最后一个字符，进行匹配，以此类推。一旦匹配成功之后，并不是马上返回，而是跳跃到下一个字符的起点，再次开始贪婪的匹配，举个例子：

 public static void main(String []args) {
        String str="1abbbaabbbaaabbb1234abbbc"; 
        Pattern p2 = Pattern.compile("[^1]*bbb");
        Matcher m2 =p2.matcher(str);
        while(m2.find()){
            System.out.println(m2.group());
        }
    }

他的执行过程应该是这样：
  先找到满足条件的第一个字符，所以1会被过滤掉，然后进行全局匹配

  abbbaabbbaaabbb1234abbbc  不匹配
  abbbaabbbaaabbb1234abbb   不匹配
  abbbaabbbaaabbb1234abb    不匹配
  
  abbbaabbbaaabbb          匹配

  之后表达式会继续寻找这个字符串后面的匹配的第一个字符，所以后面的1会被过滤掉，然后再进行全局匹配，即：

  234abbbc   不匹配
  234abbb    匹配

所以会得到两个匹配结果   abbbaabbbaaabbb和 234abbb

一般量词都是贪心的，会尽量多的匹配

2 惰性
从第一个字符开始进行匹配，如果不匹配，那么就在读入一个字符，进行整体匹配，以此类推

还是看上面的例子，如果是贪婪的，那么正则是这样 [^1]*?bbb,执行过程如下：
  先找到满足条件的第一个字符，所以1还是被过滤，从a开始，匹配过程如下

  a    不匹配
  ab   不匹配
  abb  不匹配
  abbb 匹配

  继续从下一个位置开始读入第一个匹配字符

  a    不匹配
  aa   不匹配
   不匹配
  aabbb匹配

 一直进行到最后，所以得到的结果为abbb,aabbb,aaabbb,234abbb

可以在任何量词后面加上一个?，使之变成懒惰的，如：

3 支配（也称占有量词）
  支配就是对整个字符串进行一次匹配，匹配之后返回
  举个例子，字符串为bbb，正则表达式为[b]*+，这是一个贪婪的匹配，直接返回bbb
  但是这里有个要注意的地方：如果正则为 [b]*+b，返回结果是false，是空

所以虽然[b]*+匹配了，但是当再多了一个b的时候，有不满足要求了，因为他们是全局匹配的

另外一篇文章

-- Start

我们在 量词 一节中介绍了什么量词以及贪婪与非贪婪量词之间的区别。事实上，通常正则表达式支持以下三种量词。

贪婪量词	非贪婪量词	占有量词	匹配
X?	X??	X?+	匹配X 0次或1次
X*	X*?	X*+	匹配X 0次或无数次
X+	X+?	X++	匹配X 1次或无数次
X{n}	X{n}?	X{n}+	匹配X n次
X{n,}	X{n,}?	X{n,}+	匹配X 至少n次
X{n,m}	X{n,m}?	X{n,m}+	匹配X 至少n次至多m次

那它们之间有什么区别呢？ 下面我们通过一个简单的例子来考察贪婪与非贪婪之间的区别。

[plain]  view plain copy print ?

1. #!/usr/bin/perl  
2.   
3. my $testText = "abbbb"; # 测试文本  
4.   
5. # 测试贪婪量词  
6. if($testText =~ m/(ab*)/) {  
7.     print "ab* 匹配了 $1\n";  
8. }  
9.   
10. # 测试非贪婪量词  
11. if($testText =~ m/(ab*?)/) {  
12.     print "ab*? 匹配了 $1\n";  
13. }  

结果如下：

[plain]  view plain copy print ?

1. ab* 匹配了 abbbb  
2. ab*? 匹配了 a  

看到它们之间的区别了吗？现在你应该知道了贪婪与非贪婪的真正含义了吧。

下面我们通过一个简单的例子来考察一下什么是占有量词。

[plain]  view plain copy print ?

1. #!/usr/bin/perl  
2.   
3. my $testText = "<abbbb>"; # 测试文本  
4.   
5. # 测试贪婪量词  
6. if($testText =~ m/(<.*>)/) {  
7.     print "<.*> 匹配了 $1\n";  
8. }  
9.   
10. # 测试非贪婪量词  
11. if($testText =~ m/(<.*?>)/) {  
12.     print "<.*?> 匹配了 $1\n";  
13. }  
14.   
15. # 测试占有量词  
16. if($testText =~ m/(<.*+>)/) {  
17.     print "<.*+> 匹配了 $1\n";  
18. } else {  
19.     print "<.*+> 无法匹配 <abbbb>\n";  
20. }  

结果如下：

[plain]  view plain copy print ?

1. <.*> 匹配了 <abbbb>  
2. <.*?> 匹配了 <abbbb>  
3. <.*+> 无法匹配 <abbbb>  

要想理解什么是占有量词，我们必须深入正则表达式的匹配原理，我们先来了解一下 <.*> 是如何匹配 <abbbb>的。

1. 首先 < 匹配字符串中的 <

2. 接着 . *会匹配字符剩余的所有字符，也就是 abbbb>

3. 接着是 >，但是此时，字符串中的所有字符已经被.* 匹配了，为了使整个表达式匹配成功，.* 必须吐出一个字符，吐出之后，表达式会判断 > 能否匹配那个吐出的字符，如果不能，它会再吐出一个字符进行判断，我们把这一过程称为回溯。.* 和 .*+ 的唯一区别是，.* 会吐出字符而 .*+ 在任何时候都不会吐出字符，一旦吃的嘴里，想让它往出吐，门儿都没有，这就是占有的真正含义。

csdn下载地址：http://download.csdn.net/detail/lss1007472173/7859045

转自：正则表达式精萃

百度网盘下载地址： http://pan.baidu.com/s/1pJG3jDp