正则表达式 。*？和 .* [重复]

Question

这两个正则表达式的作用是什么？

/<(.*?)>.*?<\/\1>/

/<(.*?)>.*<\/\1>/

我了解到.*? 意味着尽可能少的字符。

例如：

  my $a = '"helllo"++"world"';

  print "a $1\n" if $a =~/(".*")/;            # "helllo"++"world"

  print "b $1\n" if $a =~/(".*?")/;           # "helllo"

  print "c $1\n" if $a =~/(.*)/;              # "helllo"++"world"

  print "d $1\n" if $a =~/(.*?)/;             # (nothing)

为什么 d 什么也不显示，而 b 是 helllo 而不是 ""？

所以，我找不到任何好的例子来展示 1 and 2 之间的区别，比如 helllo world 例子。

有人可以举一些例子来说明区别吗？

谢谢。

Answer 1

* 表示匹配零次或多次

*? 表示匹配零次或多次但不贪心

. 表示匹配除换行以外的任何字符

'"helllo"++"world"'这是你的搅拌器

在下面的示例中，^ 表示当前位置（字符串中有当前位置，模式中有当前位置（种类））

在你的第一种情况下。

第一步

"helllo"++"world"      ".+"
^                      ^  

第二步

"helllo"++"world"      ".+"
 ^                      ^  

第三步

"helllo"++"world"      ".+"
                ^        ^

第四步

由于我们在字符串.+ 的末尾找到"，因此回溯并匹配" 之前的字符

查看"

We have the match at this position so success

"helllo"++"world"      ".+"
               ^          ^

在你的第二种情况下。 *? Match zero or more times but not greedy

第一步

  "helllo"++"world"     ".*?"
  ^                     ^  

第二步

  "helllo"++"world"     ".*?"
   ^                     ^  

第三步

  "helllo"++"world"     ".*?"
         ^                 ^  

Step4 (* 在第一个匹配满足时变为失败。)

  "helllo"++"world"     ".*?"
         ^                  ^  

在你的第三种情况下

第一步

"helllo"++"world"        .* 
^                        ^ 

第 2 步（* 是贪婪的，所以它会一直运行到结束。结果是给出所有匹配的模式）

"helllo"++"world"        .* 
                ^         ^ 

在你的第四个案例中，

你的模式是.*?这意味着任何东西(.)零或更多次(*)但不是贪婪(?)。这里非贪心字符匹配零字符，所以结果为空。

Answer 2

你真的有两个问题，在这里;

这两个正则表达式的作用是什么？

/.*?\1>/

一个点，'.'，是一个匹配任何字符的原子。它后面的星号表示“尽可能多地匹配前一个原子”。这种组合被称为“贪婪”，因为点匹配任何东西，而“*”表示 - “继续前进”，因此，在没有任何其他约束或锚点的情况下，组合“吃”或匹配字符串的其余部分。问号将这种行为从“贪婪”更改为“吝啬” - 它会尝试尽可能少地匹配。

圆括号 - 或括号 - 没有规定要匹配的内容 - 它们表示您想要“捕获”与第一对括号“$2”的特殊变量“$1”匹配的任何内容" 以此类推。

所以，-<(.*?)> 的意思是，匹配一个开尖括号（或“小于”），然后匹配任何东西（但占用尽可能少），然后匹配一个闭合角（或“大于”） .圆括号没有规定要匹配的内容 - 它们只是表示“将尖括号之间的任何文本放入 $1。”

最后一部分中的\1 <\/\1> 是所谓的反向引用——它的意思是“无论你在第一组圆括号中捕获的内容，我都想在这里再次匹配”。 \/ 在它之前是一个转义的正斜杠 - 所以我们在这里寻找的是一个“标签”（被尖括号包围的文本），一些文本，然后是一个匹配的“结束标签” - 即尖括号中的相同文本前面有一个“/”。

/.*\1>/

除了尝试在开始标签和结束标签之间使用尽可能多的文本之外，这几乎做同样的事情。

my $a = '"helllo"++"world"';
...
print "b $1\n" if $a =~/(".*?")/;            # "helllo"
...
print "d $1\n" if $a =~/(.*?)/;

为什么 d 什么也不显示，而 b 是“hello”而不是“”？

对于 (b)，您说的是“我坚持在开头使用双引号 (")，然后是任何文本，然后我再次坚持使用双引号 (")”。现在，如果您查看 $a 中的文本，您可以看到以下所有内容都以 (") 开头和结尾，中间有一些文本；

"helllo" 
"helllo"++" 
"helllo"++"world"

这里是重点——.*?（吝啬）意味着“我想要最小的”——即在这种情况下是第一个，而.*（没有'？'——贪婪）意味着“我想要最长的" - 即在这种情况下，最后一个。

使用 (d)，您在字符串的开头或结尾没有规定尖括号或双引号字符 - 您只是说“匹配任何内容，(.*)，但尽可能少用”。所以，RE 什么也没给你，因为那肯定是满足条件的最小匹配项（即没有条件！:-)

Answer 3

.*? 将使用尽可能少的字符搜索匹配项。如果您将".*?" 与"a" "b" 匹配，则正则表达式引擎将仅报告"a" 作为匹配项。贪婪版本".*" 会将整个字符串报告为匹配项，因为* 想要消耗尽可能多的输入。

正则表达式 .*? 可以满足一个空字符串，所以如果你没有在它周围放置任何东西来防止匹配，这正是它会做的事情（就像你的情况 d）。

您的正则表达式 1) 和 2) 用于解析看起来像 XML 的文本。考虑这段文字：

<tag>text</tag> <tag>more text</tag>

正则表达式 1) 将仅使用第一个标记的子字符串 <tag>text</tag>，而正则表达式 2 将使用整个字符串。

现在考虑这个文本：

<tag>what about <tag>nested</tag> tags?</tag>

正则表达式 1) 只会在第一次关闭 </tag> 之前产生匹配，而正则表达式 2) 会消耗整个字符串。

Answer 4

d) 不打印的原因非常简单：您已经知道.*? 匹配越少越好，因此如果不添加任何其他条件，“越少越好”根本不算什么。

原因 b) "(.*?)" 匹配 "hello" 是表达式中的两个引号 - 即匹配项（如果找到）必须以引号开头和结尾。中间部分.*? 尽量少匹配，所以就是“hello”。