理解量词

Question

我正在学习 Java教程中的量词。

其中提到了贪婪、勉强和占有量词之间的差异。

我无法确切地理解它们之间的区别。

如下所示的解释：

Enter your regex: .*foo  // greedy quantifier
Enter input string to search: xfooxxxxxxfoo
I found the text "xfooxxxxxxfoo" starting at index 0 and ending at index 13.

Enter your regex: .*?foo  // reluctant quantifier
Enter input string to search: xfooxxxxxxfoo
I found the text "xfoo" starting at index 0 and ending at index 4.
I found the text "xxxxxxfoo" starting at index 4 and ending at index 13.

Enter your regex: .*+foo // possessive quantifier
Enter input string to search: xfooxxxxxxfoo
No match found.

第一个示例使用贪婪量词 .* 查找"任何内容"，零次或多次，并跟随字母"f""o""o"。由于量词是贪婪的，表达式中的 .* 部分首先会占用整个输入字符串。此时，整个表达式无法成功，因为最后三个字母（"f""o""o"）已被消耗。因此，匹配器逐个字母地缓慢后退，直到右侧出现的 "foo" 被反推出来，此时匹配成功并结束搜索。

然而，第二个示例是勉强的，因此它首先将“nothing”消耗掉。由于“foo”不出现在字符串的开头，它被迫吞下第一个字母（一个“x”），这触发了0和4处的第一次匹配。我们的测试工具继续进行该过程，直到输入字符串用尽。它在4和13处找到另一个匹配项。

第三个示例未能找到匹配项，因为量词是独占的。在这种情况下，.*+ 会消耗整个输入字符串，没有留下任何内容来满足表达式末尾的 "foo"。在想要占用所有内容而永远不回退的情况下，请使用独占量词；在没有立即找到匹配项的情况下，它将优于相应的贪婪量词。

- xyz

---

我认为理解量词是相当容易的。然而，实现和使用却相当复杂。因此，它是5%的理解和95%的使用。理解可以给你一个复杂使用组合的矩阵。 - user557597

你有什么问题？你不明白什么？ - Casimir et Hippolyte

你能否通过接受一个答案作为正确答案来结束这个问题？ - buræquete

这个回答解决了你的问题吗？贪婪、勉强和占有限定符的区别 - outis

Answer 1

懒惰（不情愿的）和贪婪模式之间的主要区别在于回溯结构的行为，而所有占有模式都太过于激进！

• 懒惰模式将在单次匹配后，将匹配引擎的焦点放弃给正则表达式中的下一个运算符。如果下一个操作符失败，则回溯结构将强制重复懒惰模式，这将继续直到运算符或目标文本结束；例如，在通过匹配字符f之后，将传递到匹配阶段时，每当您有一个foo短语时，都会获得匹配，因此我们从其使用中获得多个匹配。

.*?foo

xfooxxxxxxfoo
在开始时，懒惰模式将在成功的空匹配之后与x进行了成功的匹配并将焦点传递给下一个运算符；正则表达式的foo部分存在于x之后，因此我们针对该片段获得匹配，对于字符串的第二部分也是同样的道理。

• 贪婪模式则相反，将一直匹配直到失败为止，永远不会将焦点传递给下一个运算符，只有当匹配失败时回溯才会生效，接下来的操作将被反向匹配；

.*foo

xfooxxxxxxfoo
当贪婪模式到达此点（最后一个字符）时，由于我们无法匹配正则表达式的foo部分，因此匹配将失败。然后回溯将强制贪婪模式回溯其步骤并强制进行下一个运算符foo，与懒惰模式类似；

xfooxxxxxxfoo
在这一点上，foo部分将获得成功匹配，从而以整个字符串的成功匹配结束。

• 占有模式与贪婪模式非常相似，除了匹配失败会导致回溯之外，这不是占有模式的情况。如果可以匹配，则它将占有并在此过程中牺牲匹配的成功。如果在匹配字符时失败，则仅焦点将传递给正则表达式的下一个运算符。

.*+foo

xfooxxxxxxfoo
与贪婪模式类似，我们已经到达了字符串的结尾，但是占有模式仍然可以匹配它，因此不会将火炬传递给回溯结构，并将导致匹配失败。

- buræquete

Answer 2

基本规则

需要了解量词符号 ?、* 和 + 的基本知识（分别表示“零个或一个”、“零个或多个”、“一个或多个”）。

• 如果一个量词是贪婪的，则尝试尽可能多地匹配字符。
• 如果一个量词是勉强的（懒惰的），则尝试尽可能少地匹配字符。
• 如果一个量词是占有的，则它是贪婪的，并且不允许回溯。

只有了解正则表达式解析器的工作原理（请参见下面的“动态示例”），才能理解“回溯”的含义。

单个情况的解释

• ?：首先尝试匹配 1 次，然后匹配 0 次；如果已经匹配到 1 次并且需要放弃它，可以这样做。
• ??：首先尝试匹配 0 次，然后匹配 1 次。
• ?+：首先尝试匹配 1 次，然后匹配 0 次；如果已经匹配到 1 次并且需要放弃它，则不能这样做。
• *：尝试尽可能多地匹配（甚至是 0 个）；如果已经匹配到 N 个字符，然后需要放弃（其中的一些），可以从最后一个开始这样做。
• *?：尝试尽可能少地匹配（甚至是 0 个）。
• *+：尝试尽可能多地匹配（甚至是 0 个）；如果已经匹配到 N 个字符，然后需要放弃（其中的一些），则不能这样做。
• +：尝试尽可能多地匹配（至少 1 个）；如果已经匹配到 N 个字符，然后需要放弃（其中的一些），可以从最后一个开始这样做。
• +?：尝试尽可能少地匹配（至少 1 个）。
• ++：尝试尽可能多地匹配（至少 1 个）；如果已经匹配到 N 个字符，然后需要放弃（其中的一些），则不能这样做。

动态示例

在本节中，我将尝试向您展示正则表达式解析器的逻辑：

1) 情况 /.*foo/：

首先轮到子模式 /.*/ 进行处理。它开始处理第一个字符：

xfooxxxxxxfoo
^

然后它会尝试尽可能扩展更多字符：

xfooxxxxxxfoo
^^
xfooxxxxxxfoo
^^^
[...]
xfooxxxxxxfoo
^^^^^^^^^^^
xfooxxxxxxfoo
^^^^^^^^^^^^
xfooxxxxxxfoo
^^^^^^^^^^^^^

光标已经到达末尾，但子模式/foo/还没有发挥作用。因此，光标会“回退”，以便子模式/foo/可以匹配：

xfooxxxxxxfoo
^^^^^^^^^^^^

< p > /foo/ 仍然无法匹配，因此我们需要再次返回：

xfooxxxxxxfoo
^^^^^^^^^^^
xfooxxxxxxfoo
^^^^^^^^^^

现在子模式/foo/可以匹配成功：

xfooxxxxxxfoo
^^^^^^^^^^^^^

因此，匹配的字符串是整个字符串xfooxxxxxxfoo。

2) 匹配规则/.*?foo/:

首先轮到子模式/.*?/。它是惰性的，所以我们希望它匹配0个字符。但如果这样做，子模式/foo/就不能匹配，所以它必须详细解释一个字符:

xfooxxxxxxfoo
^

现在轮到foo了：

xfooxxxxxxfoo
^^^^

所以这个匹配是xfoo。

(如果你为正则表达式设置类型global，那么解析器会从匹配后的第一个字符重新开始，找到第二个匹配项xxxxxxfoo)

3）Case /.*+foo/：

首先轮到子模式 /.*+/。 它试图尽可能多地处理字符：

xfooxxxxxxfoo
^
[...]
xfooxxxxxxfoo
^^^^^^^^^^^^^

光标到达了末尾，但是子模式 /foo/ 还没有起作用。所以光标“返回”...哦不，太可惜了，它无法返回（因为它是贪婪的）！因此我们没有匹配项。

- logi-kal

---

还要查看文档：#1 和 #2。 - logi-kal