☰

贪婪和懒惰的正则表达式（理解题）

tag-icon • tag-icon command-line grep regular-expression
贪婪和懒惰的正则表达式（理解题）

我正在自学正则表达式，但我陷入了“贪婪”与“懒惰”的重复。

到目前为止我发现的是

  • “贪婪”意味着正则表达式寻找尽可能多的匹配项，其中
  • »lazy« 意味着正则表达式寻找尽可能少的匹配项

我发现的大多数文章都涉及a）在编程语言中使用它，而我却被困在grep和egrep或b）使用grep -P激活Perl Mode;但由于我对 Perl 没有任何了解，所以这对我来说并不是很有帮助。

我的理解问题：我来到了这个大锤方法：

  • 惰性重复将寻找最短的可能匹配
  • 如果结果太长 → 调低中继器的音量?
  • 如果结果仍然太长→寻找另一个解决方案

这是我通过 HTML 代码的示例和实验得出的结论，我得到了一些但不是压倒性的结果。

如果有人能告诉我我的总结是否以及在哪里遗漏了一些重要观点，我将不胜感激。

答案1

这不是最短的比赛，只是一场短暂的比赛。贪婪模式尝试找到最后一个可能的匹配，惰性模式尝试找到第一个可能的匹配。但第一个可能的匹配不一定是最短的。

获取输入字符串foobarbaz和正则表达式o.*a（贪婪）或o.*?a（惰性）。

此输入字符串中可能的最短匹配项是oba。

然而，正则表达式从左到右查找匹配项，因此会找到中的o第一个。如果模式的其余部分产生匹配，则它就保留在那里。ofoobarbaz

在第一个之后o，.*（贪婪）吃掉obarbaz（整个字符串），然后回溯以匹配模式的其余部分（a）。因此它找到了最后一个 abaz并最终匹配oobarba。

在第一个之后o，.*?（惰性）不会吃掉整个字符串，而是查找模式其余部分的第一次出现。所以首先它看到第二个o不匹配的a，然后它看到b不匹配的a，然后它看到a匹配的a，因为它是懒惰的，所以它就停止了。 （结果是ooba，但不是oba）

因此，虽然它不是最短的版本，但它比贪婪版本更短。

答案2

“Perl 模式”是指Perl 兼容正则表达式（PCRE）。 通俗地说，这是大多数现代语言本地使用的正则表达式样式，如果它们有内置的本机正则表达式 – Perl、Python、Ruby、PHP、JavaScript、Java – 尽管它们之间可能存在细微差别；从技术上讲，聚合酶链式反应源自但不完全相同的 perl 正则表达式引擎等，但如果您可以在其中一种语言中使用正则表达式，那么它们在其他语言中 99% 是相同的。它在它是一个选项的地方占主导地位，因为它是对现在被称为 POSIX regexps 的旧样式的改进，它是 grep 等老式工具的默认模式。

非贪婪，又名。懒惰的修饰符在使用 grep 匹配行的上下文中并不重要。这是因为不可能有完整的生产线匹配一个惰性表达式，而贪婪表达式则不会匹配，反之亦然。但是，如果使用开关，您可以看到差异，-o它显示匹配的段内容而不是整行（注意。这与实际显示的略有不同--color）：

»echo "123 abc 456 def 789" > eg.txt
»grep -o -P "(\d+\s[A-Za-z]+\s)+" eg.txt
123 abc 456 def 
»grep -o -P "(\d+\s[A-Za-z]+\s)+?" eg.txt
123 abc 
456 def 
»grep -o -P "\d+\s[A-Za-z]+\s\d+" eg.txt
123 abc 456
»grep -o -P "\d+\s[A-Za-z]+\s\d+?" eg.txt
123 abc 4
56 def 7

如果您以这种方式使用 grep （使用-o），贪婪会产生影响。如果您使用 grep 来匹配包含模式的完整行，?那么无论哪种方式，非贪婪都无关紧要。

简而言之：贪婪匹配尽可能多匹配，非贪婪匹配尽可能少匹配。

相关内容