【Java】贪婪爬取和非贪婪爬取

一、概念

贪婪爬取:在爬取数据的时候尽可能的多获取数据

非贪婪爬取:在爬取数据的时候尽可能的少获取数据

---

二、需求1

需求：有如下文本，按要求爬取数据。   

Java自从95年问世以来，abbbbbbbbbbbbaaaaaaaaaaaaaaaaaa,经历了很多版木，目前企业中用的最多的是]ava8和]ava11，因为这两个是长期支持版木。下一个长期支持版本是Java17，相信在未来不久Java17也会逐渐登上历史舞台

需求1：按照ab+的方式爬取ab，b尽可能多获取（前面的 ab+ 是一个正则表达式，由于ab没有使用小括号进行分组，因此这里的 ab+ 表示的是：b出现一次或多次）

在这里，如果使用贪婪爬取，就是尽可能将后面的 b 都获取到，这就是贪婪爬取。

abbbbbbbbbbbb

非贪婪爬取：尽可能少获取，ab 就已经满足 ab+ 的要求了，因此直接获取 ab 就行了。

在Java中，默认的就是贪婪爬取。

如果我们在数量词(eg：+、*) 后面加上 ?，那么此时就是非贪婪爬取。

String regex = "ab+";
Pattern p = Pattern.compile(regex);
Matcher m = p.matcher(s);

while (m.find()) {
    System.out.println(m.group()); // abbbbbbbbbbbb，这就是贪婪爬取
}

但是这个 b 我不想获取这么多，后面加个 ? 就行了。

String regex = "ab+?";
Pattern p = Pattern.compile(regex);
Matcher m = p.matcher(s);

while (m.find()) {
    System.out.println(m.group()); // ab，这就是非贪婪爬取
}