正则表达式的最短与最长匹配

贪婪与懒惰

当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。考虑这个表达式：a.*b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。

有时，我们更需要懒惰匹配，也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号?。这样.*?就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。现在看看懒惰版的例子吧：

a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）。

为什么第一个匹配是aab（第一到第三个字符）而不是ab（第二到第三个字符）？简单地说，因为正则表达式有另一条规则，比懒惰／贪婪规则的优先级更高：最先开始的匹配拥有最高的优先权——The match that begins earliest wins。

表5.懒惰限定符

代码/语法	说明
*?	重复任意次，但尽可能少重复
+?	重复1次或更多次，但尽可能少重复
??	重复0次或1次，但尽可能少重复
{n,m}?	重复n到m次，但尽可能少重复
{n,}?	重复n次以上，但尽可能少重复

实例：在一段SQL里面，替换掉全部的时间（如：'18-JUL-14 10.32.23.000000 AM'）为to_date('20150202','yyyymmdd'),就可以在任何一款支持正则表达式的文本编辑器里面实现，如notepad++。表达式为：

(\ '\d{2}(-JUL).+?AM')   ，以下是解释：

\ '     以‘开始

\d{2}    两位数字

（-JUL）  包含-JUL

.+    任意字符任意多个

？    第一次匹配到AM'

AM'    以AM'结尾

insert into mstb_delivery_charge (ID, DISTRICT_ENAME, DISTRICT_CNAME, SUB_DISTRICT_ENAME, SUB_DISTRICT_CNAME, DIS_CODE, DIS_MINDP, DIS_CHARGE, REGION_CODE, CREATED_TIMESTAMP, MODIFIED_TIMESTAMP, POST_CODE, EXPRESS_VENDOR, POST_TIMEAREA_RANGE, DIS_SEQUENCE)
values (POS5G_RW.MSSQ_DELIVERY_CHARGE_ID.NEXTVAL, 'Xin Bei', '新北市', 'Ying Ge', '鶯歌區', '0', 2000.00, 150.00, '130', '18-JUL-14 10.32.23.000000 AM', '18-JUL-14 10.32.23.000000 AM', '239', '', 'All', 30239);

insert into mstb_delivery_charge (ID, DISTRICT_ENAME, DISTRICT_CNAME, SUB_DISTRICT_ENAME, SUB_DISTRICT_CNAME, DIS_CODE, DIS_MINDP, DIS_CHARGE, REGION_CODE, CREATED_TIMESTAMP, MODIFIED_TIMESTAMP, POST_CODE, EXPRESS_VENDOR, POST_TIMEAREA_RANGE, DIS_SEQUENCE)
values (POS5G_RW.MSSQ_DELIVERY_CHARGE_ID.NEXTVAL, 'Xin Bei', '新北市', 'San Chong', '三重區', '0', 2000.00, 150.00, '130', '18-JUL-14 10.32.23.000000 AM', '18-JUL-14 10.32.23.000000 AM', '241', '', 'All', 30241);