Chapter 3 正则表达式的贪婪与懒惰

1 概述

量词默认情况下是贪婪的。所谓贪婪的量词会首先匹配整个字符串，如果失败则回退一个字符后重新尝试，这个过程叫回溯。就这样不停的回溯直到找到匹配或者没有字符可尝试位置。形象的说，贪婪的量词首先一次性吃饱，然后一点点吐出来。

懒惰的量词则是采用另外一种策略。它首先从目标的起始位置开始尝试匹配，每次添加一个字符直到找到一个匹配或者尝试了整个字符串为止。形象的说，懒惰的量词是一次吃一点直到吃饱。

2 *、+和？

Kleene星号*：表示匹配的文本连续出现零次或多次，这一命名是为了纪念正则表达式的发明人Stephen Kleene。那么，".*"将匹配任何字符任意次数。

+：匹配文本一次或多次。

?：匹配文本零次或一次

默认情况下的量词是贪婪式的，那么当有一个要匹配的一行文本："sdfsdf99999999"，对于三个正则表达式：9*,9+,9?，匹配结果都是相同的，如下图所示：

不过要注意的是，对于前面两个表达式都是值匹配了一次，而第三个表达式则是连续匹配了6次，因为它每次最多匹配一次。

3 懒惰式匹配

贪婪式匹配的代价较大，而且有时候匹配的结果并不是我们期望的。比如，有一段html文本如下图所示，我们想匹配p1标签中的内容，如果使用正则表达式：<p1>.*</p1>的话，匹配的结果完全不是我们想要的，如下图所示：

这个时候就需要使用懒惰式的匹配了，很简单，只需要加上一个"?"即可，例如将以上的正则表达式改为：<p1>.*?</p1>，就可以匹配到每个p1标签中的内容，如下图所示：

那么，对于上面的例子，用表达式：9??匹配"sdfsdf99999999"，将不会有任何匹配结果，因为它会懒惰式的匹配字符'9'零次，如下图所示：