注意Java正则表达式的数量表示符

今天用java的正则表达式处理HTML，碰到一个难题，取类似<a href=http://cl.sina.com.cn/><img src=http://image2.sina.com.cn/dy/deco/2006/0214/newscx.gif width=27 height=15 border=0></a> 的超链接时不知如何处理，因为匹配时要取<a开始，</a >结束的字符串，之间可能会出现<>符号，所以不能简单使用符号字符判断。

最终在CSDN上提问得到了答案，谢谢ykzhujiang(朱朱)，帖子见应该怎样写正则表达式。

上文中提到的超链接HTML文本，应该如此写成<//s*a//s+href//s*=.*?</a//s*>。其中提到的匹配的问题，只是简单的.*?就解决了。

可以看出，最终并未对特殊字符<>作特别处理，只是简单指明在</a>之前允许任意数目字符出现，而最终就可以正确工作了。但有一点不同，允许任意数目字符使用了.*?而非仅仅.*，查J2EE API，两者的区别在于前者是Reluctant quantifiers，而后者是Greedy quantifiers。至于Greedy quantifiers和Reluctant quantifiers的具体区别，API上并未具体说明。

下文是对数量匹配模式的一段话，摘抄自Java笨蛋的blog，JAVA正则表达式(转载)，http://supersimple.bokee.com/4823600.html。感觉翻译结果不是很好，理解不是很透彻，但大致可以理解Greedy和两种模式的工作机制。

• Greedy(贪婪的)： 除非另有表示，否则数量表示符都是greedy的。Greedy的表达式会一直匹配下去，直到匹配不下去为止。(如果你发现表达式匹配的结果与预期的不符)，很有可能是因为，你以为表达式会只匹配前面几个字符，而实际上它是greedy的，因此会一直匹配下去。
• Reluctant(勉强的)： 用问号表示，它会匹配最少的字符。也称为lazy, minimal matching, non-greedy, 或ungreedy。
• Possessive(占有的)： 目前只有Java支持(其它语言都不支持)。它更加先进，所以你可能还不太会用。用正则表达式匹配字符串的时候会产生很多中间状态，(一般的匹配引擎会保存这种中间状态，)这样匹配失败的时候就能原路返回了。占有型的表达式不保存这种中间状态，因此也就不会回头重来了。它能防止正则表达式的失控，同时也能提高运行的效率。

  回头再看.*?，因为使用勉强模式，当出现</a>时，java并不匹配到.*中去，而是匹配到</a//s*>，所以可以正确工作。