正则表达式三种匹配模式：贪婪模式，勉强模式，占有模式的区别

正则表达式一共有三种模式：贪婪模式、勉强模式、侵占模式。

我在做项目的时候，曾领教过正则“回溯陷阱”的厉害，所以，今天做个总结下正则常见的两种模式的区别：

【贪婪模式】：正则表达式一般趋向于最大长度匹配，总是尝试匹配尽可能多的字符，也就是所谓的贪婪匹配；

【勉强模式】：又叫"勉强模式"，属于最小长度匹配，就是匹配到结果就好，总是尝试匹配尽可能少的字符；

【占有模式】：又叫"勉强模式"，属于最小长度匹配，就是匹配到结果就好，总是尝试匹配尽可能少的字符；

如何区分：

Java 正则表达式默认是贪婪模式(.*)，在量词后面直接加上一个问号？就是勉强模式(.*?)，也就是非贪婪模式；而在量词后面直接加上一个加号 + 就是非贪婪模式(.*+)。

原理分析：

假设待处理的字符串是 ：xfooxxxxxxfoo

1. 贪婪模式

模式分为子模式p1(.*)和子模式p2(foo)两个部分. 其中p1中的量词匹配方式使用默认方式(贪婪型)。 

匹配开始时,吃入所有字符xfooxxxxxx去匹配子模式p1。匹配成功,但这样以来就没有了字符串去匹配子模式p2。本轮匹配失败；第二轮：减少p1部分的匹配量，吐出最后一个字符, 把字符串分割成xfooxxxxxxfo和o两个子字符串s1和s2。 s1匹配p1, 但s2不匹配p2。本轮匹配失败；第三轮，再次减少p1部分匹配量，吐出两个字符, 字符串被分割成xfooxxxxxxfo和oo两部分。结果同上。第四轮，再次减少p1匹配量, 字符串分割成xfooxxxxxx和foo两个部分, 这次s1/s2分别和p1/p2匹配。停止尝试,返回匹配成功。

2. 勉强模式（非贪婪模式）

第一次尝试匹配, p1由于是0或任意次，因此被忽略，用字符串去匹配p2,失败；第二次，读入第一个字符x, 尝试和p1匹配, 匹配成功; 字符串剩余部分fooxxxxxxfoo中前三个字符和p2也是匹配的. 因此, 停止尝试, 返回匹配成功。在这种模式下，如果对剩余字符串继续去寻找和模式相匹配的子字符串，还会找到字符串末尾的另一个xfoo，而在贪婪模式下，由于第一次匹配成功的子串就已经是所有字符，因此不存在第二个匹配子串。

3. 占有模式

匹配开始时读入所有字符串, 和p1匹配成功, 但没有剩余字符串去和p2匹配。因此, 匹配失败。返回。

案例：

String test1 = "aaavaabb ";
String test2 = "";

String reg1 = "<.+>";
System.out.println("贪婪匹配结果：" + test1.replaceAll(reg1,"###"));

String reg2 = "<.+?>";
System.out.println("勉强匹配结果：" + test1.replaceAll(reg2,"###"));


String reg3 = "<.++>";
String reg4 = "";
System.out.println("占有匹配结果1：" + test1.replaceAll(reg3, "###"));
System.out.println("占有匹配结果2：" + test2.replaceAll(reg4, "###"));

输出结果为：
    贪婪匹配结果：a###abb
    勉强匹配结果：a###aava###abb
    占有匹配结果1：aaavaabb
    占有匹配结果2：###

总结：

• 贪婪匹配模式属于最大长度匹配，正则表达式引擎会一直匹配到字符串最后，当匹配为false时，通过回溯的方式，倒退找到倒数第一个匹配位置，返回匹配结果；也就是说，这种匹配方式会尽量大范围的匹配，直到匹配了整个内容，这时发现匹配不能成功时，开始回退缩小匹配范围，直到匹配成功
• 勉强匹配模式于最小长度匹配，正则表达式引擎会匹配到符合pattern的末尾位置那个字符，然后再往后走一步，发现匹配为false，又回溯到找到回退的最近一个匹配为true的位置，返回结果。只要匹配成功，就不再继续尝试匹配更大范围的内容。
• 占有匹配与贪婪匹配有一定的相似性，那就是都尽量匹配最大范围的内容，直到内容结束，但与贪婪匹配不同的是，完全匹配不再回退尝试匹配更小的范围。

 

更多精彩，请关注我的"今日头条号"：Java云笔记
随时随地，让你拥有最新，最便捷的掌上云服务