正则详细教程系列可以看此链接的文章哦

https://www.cnblogs.com/poloyy/category/1796055.html

 

前言

  • 学过正则表达式的童鞋肯定都知道贪婪模式和非贪婪模式,这是个重难点!
  • 今天我们就来仔细讲讲它们的区别和具体实例

 

为什么会有贪婪与非贪婪模式?

首先,贪婪模式和非贪婪模式跟前面讲到的量词密切相关,我们先再来看看有哪些量词

 

 *  +  ? 通过 {m,n} 的等价写法

 

通过 * 和 + 引入贪婪、非贪婪模式

+ 的栗子

只匹配一个结果

 

* 的栗子

 

可以看到会匹配了三个空字符串,我们再通过 Python 代码看看输出结果

的确是会有三个空字符串

 

为什么会匹配到三个空字符串

因为 * 代表 0 到多次,匹配 0 次就是空字符串

 

小伙伴们你是否有很多个 ?

aaa 之间的空字符串咋没匹配上呢?

这就要说到我们的贪婪、非贪婪模式了

 

引入贪婪、非贪婪模式

  • 这两种模式都必须满足匹配次数的要求才能匹配上
  • 贪婪模式,简单说就是尽可能进行最长匹配
  • 非贪婪模式,则会尽可能进行最短匹配
  • 正是这两种模式产生了不同的匹配结果

 

贪婪模式(Greedy)

在正则中,表示次数的量词默认是贪婪的,在贪婪模式下,会尝试尽可能最大长度去匹配

 

字符串 aaabb 中使用正则 a* 的匹配过程

 

 

分析

 a* 在匹配开头的 a 时,会尽量匹配更多的 a,直到第一个 b 不满足要求为止,匹配上三个 a,后面每次匹配时都得到空字符串

 

非贪婪匹配(Lazy)

如何从贪婪模式变成非贪婪模式呢

量词后面加上 ? ,正则就变成了 a*? 

 

再来看一个栗子

贪婪匹配:匹配上从第一个 " 到最后一个 " 之间的所有内容

非贪婪匹配:找到符合要求的结果

 

贪婪匹配和非贪婪匹配的区别

 

独占模式(Possessive)

前提

这一小节基本都搬了《正则表达式入门课》的内容

 

什么是独占模式

  • 贪婪模式和非贪婪模式,都需要发生回溯才能完成相应的功能
  • 但是在一些场景下,我们不需要回溯,匹配不上返回失败就好了
  • 因此正则中还有另外一种模式,独占模式,它类似贪婪匹配,但匹配过程不会发生回溯,因此在一些场合下性能会更好

 

什么是回溯

正则是贪婪

正则:xy{1,3}z

文本:xyyz

匹配结果:xyyz

 

匹配过程

  1. {1,3} 会尽可能长地去匹配匹配过程
  2. 当匹配完 xyy 后,由于 y 要尽可能匹配最长,即三
  3. 但字符串中后面是个 z 就会导致匹配不上,这时候正则就会向前回溯,吐出当前字符 z,接着用正则中的 z 去匹配

 

正则是非贪婪模式

正则:xy{1,3}z

文本:xyyz

匹配结果:xyyz

 

匹配过程

  1. 由于 y{1,3}? 代表匹配 1 到 3 个 y,尽可能少地匹配
  2. 匹配上一个 y 之后,也就是在匹配上 text 中的 xy 后
  3. 正则会使用 z 和 text 中的 xy 后面的 y 比较,发现正则 z 和 y 不匹配
  4. 这时正则就会向前回溯,重新查看 y 匹配两个的情况,匹配上正则中的 xyy
  5. 然后再用 z 去匹配 text 中的 z,匹配成功

 

看看独占模式

独占模式和贪婪模式很像,独占模式会尽可能多地去匹配,如果匹配失败就结束,不会进行回溯,这样的话就比较节省时间

 

具体写法

在量词后加上 + 

 

栗子

正则:xy{1,3}z

文本:xyyz

匹配结果:xyyz

 

注意事项

Python 和 Go 的标准库目前都不支持独占模式

 

Python 支持独占模式

需要安装 regex

pip install regex

 

Python独占模式栗子

>>> import regex 4 
>>> regex.findall(r'xy{1,3}z''xyyz'# 贪婪模式
['xyyz']
>>> regex.findall(r'xy{1,3}+z''xyyz'# 独占模式
['xyyz']
>>> regex.findall(r'xy{1,2}+yz''xyyz'# 独占模式
[]

 

再来一个栗子

分析

  • a{1,3}+ab 去匹配 aaab 字符串,a{1,3}+ 会把前面三个 a 都用掉,并且不会回溯
  • 这样字符串中内容只剩下 b 了,导致正则中加号后面的 a 匹配不到符合要求的内容, 匹配失败
  • 如果是贪婪模式 a{1,3} 或非贪婪模式 a{1,3}? 都可以匹配上

 

独占模式总结

  • 独占模式性能比较好,可以节约匹配的时间和 CPU 资源
  • 但有些情况下并不能满足需求(上面的栗子)
  • 要想使用这个模式还要看具体需求,另外还得看你当前使用的语言或库的支持程度