javascript 正则表达式-贪婪模式与懒惰模式

http://buzheng.org/blog/regex-possessive-quantifiers-reluctant-quantifiers/

前段时间对自己以前了解的正则表达式的基础知识做了一个总结，有了基础知识已经能够能应付大多数情况，像字符串匹配、正则替换、校验等；但是再使用的过程中你可能发现一个问题，就是当使用重复元字符匹配数量时，总是会尽可能长的去匹配，而有时这恰恰不是你想要的。看下面的例子：

<a href=”http://www.google.com”>谷歌</a><a href=”http://www.baidu.com”>百度</a>

你希望匹配出每个链接的html内容。如果你用 <a (.*)</a>会首先匹配到整个字符串，而不是你希望的<a href=”http://www.google.com”>谷歌</a>和<a href=”http://www.baidu.com”>百度</a>。

为什么会出现这种情况呢？这就是正则表达式的贪婪模式。当出现重复数量的时候，会尽可能的多匹配。上述的正则表达式中 . 表示任意字符，* 代表可以重复出现任意个，根据正则表达式的贪婪个性，不匹配到最后才怪呢。就像人一样，有贪婪就有懒惰，一个?就可以让正则立刻改变本性，这时的正则就表现懒惰模式的本性了。

修改后的正则表达式为：<a (.*?)</a>，这时就可以匹配出每个连接的html了。

测试用例为：

package org.buzheng.test;



import java.util.regex.Matcher;

import java.util.regex.Pattern;



public class Test {

	public static void main(String[] args) throws Exception {

		String value = "<a href="http://www.google.com">谷歌</a><a href="http://www.baidu.com">百度</a>";



		System.out.println("贪婪模式：");

		Pattern pattern = Pattern.compile("<a (.*)</a>");

		Matcher matcher = pattern.matcher(value);

		while (matcher.find()) {

			System.out.println(matcher.group(0));

		}



		System.out.println("贪婪模式：");

		pattern = Pattern.compile("<a (.*?)</a>");

		matcher = pattern.matcher(value);

		while (matcher.find()) {

			System.out.println(matcher.group(0));

		}

	}

}

最后总结一下数量元字符懒惰模式的常用写法(其实就是多了一个?)：

x*?	0个或者任意个x, 最少匹配
x??	0个或这1个x, 最少匹配
x+?	至少1个x, 最少匹配
x{n,}?	至少n个x, 最少匹配
x{n,m}?	至少n个x，至多m个x, 最少匹配