正则表达式非贪婪是贪婪

Question

我有以下文本

tooooooooooooon

根据我正在阅读的这本书，当 ? 跟在任何量词之后时，它就会变得非贪婪。

我的正则表达式 to*?n 仍然返回 tooooooooooooon。

它应该返回 ton 不是吗？

知道为什么吗？

Answer 1

正则表达式只能匹配实际存在的文本片段。

由于子字符串“ton”不存在于字符串中的任何位置，因此它不可能是匹配结果。 匹配只会返回原始字符串的子字符串

编辑：要清楚，如果您使用下面的字符串，带有额外的“n”，则

toooooooonoooooon

此正则表达式（不指定“o”）

t.*n

将匹配以下内容（尽可能多 ） “n”之前尽可能少的字符），

toooooooonoooooon

但正则表达式

t.*?n

只会匹配以下内容（“n”之前尽可能少的字符）

toooooooon

Answer 2

正则表达式 es 总是渴望匹配。

你的表达式是这样说的：

A 't', followed by *as few as possible* 'o's, followed by a 'n'.

这意味着任何必需的 o 都将被匹配，因为末尾有一个 'n'，而表达式渴望到达它。 匹配所有的 o 是成功的唯一可能。

Answer 3

正则表达式尝试匹配其中的所有内容。 因为要匹配的 'o' 数量不少于 Toooon 中的每个 o 来匹配 n，所以一切都匹配。 另外，因为你正在使用 o*? 而不是 o+？ 您不需要 o 存在。

示例，在 Perl 中

$a = "toooooo";
$b = "toooooon";

if ($a =~ m/(to*?)/) {
        print $1,"\n";
}
if ($b =~ m/(to*?n)/) {
        print $1,"\n";
}

~>perl ex.pl
t
toooooon

Answer 4

正则表达式总是尽力匹配。 在这种情况下，您要做的唯一一件事就是让解析器回溯到 /o*?/ 节点，从而减慢解析器的速度。 对于 "tooooon" 中的每个 'o' 一次。 而使用正常匹配时，第一次会花费尽可能多的 'o'。 由于下一个要匹配的元素是 'n'，它不会与 'o' 匹配，因此尝试使用最小匹配没有什么意义。 事实上，当正常匹配失败时，需要相当长的一段时间才会失败。 它必须回溯每个 'o'，直到没有剩余的可回溯。 在这种情况下，我实际上会使用最大匹配 /to*+n/。 'o' 会拿走它能拿走的一切，并且永远不会归还任何东西。 这将使得当它失败时它会很快失败。

最小 RE 成功：

'toooooon' ~~ /to*?n/

 t  o  o  o  o  o  o  n       
{t}                           match [t]
[t]                           match [o] 0 times
[t]<n>                        fail to match [n] -> retry [o]
[t]{o}                        match [o] 1 times
[t][o]<n>                     fail to match [n] -> retry [o]
[t][o]{o}                     match [o] 2 times
[t][o][o]<n>                  fail to match [n] -> retry [o]

. . . .

[t][o][o][o][o]{o}            match [o] 5 times
[t][o][o][o][o][o]<n>         fail to match [n] -> retry [o]
[t][o][o][o][o][o]{o}         match [o] 6 times
[t][o][o][o][o][o][o]{n}      match [n]

正常 RE 成功：

（注：与最大 RE 类似）

'toooooon' ~~ /to*n/

 t  o  o  o  o  o  o  n       
{t}                           match [t]
[t]{o}{o}{o}{o}{o}{o}         match [o] 6 times
[t][o][o][o][o][o][o]{n}      match [n]

最小 RE 失败：

'toooooo' ~~ /to*?n/

 t  o  o  o  o  o  o

. . . .

. . . .

[t][o][o][o][o]{o}            match [o] 5 times
[t][o][o][o][o][o]<n>         fail to match [n] -> retry [o]
[t][o][o][o][o][o]{o}         match [o] 6 times
[t][o][o][o][o][o][o]<n>      fail to match [n] -> retry [o]
[t][o][o][o][o][o][o]<o>      fail to match [o] 7 times -> match failed

正常 RE 失败：

'toooooo' ~~ /to*n/

 t  o  o  o  o  o  o       
{t}                           match [t]
[t]{o}{o}{o}{o}{o}{o}         match [o] 6 times
[t][o][o][o][o][o][o]<n>      fail to match [n] -> retry [o]
[t][o][o][o][o][o]            match [o] 5 times
[t][o][o][o][o][o]<n>         fail to match [n] -> retry [o]

. . . .

[t][o]                        match [o] 1 times
[t][o]<o>                     fail to match [n] -> retry [o]
[t]                           match [o] 0 times
[t]<n>                        fail to match [n] -> match failed

最大 RE 失败：

'toooooo' ~~ /to*+n/

 t  o  o  o  o  o  o
{t}                           match [t]
[t]{o}{o}{o}{o}{o}{o}         match [o] 6 times
[t][o][o][o][o][o][o]<n>      fail to match [n] -> match failed

Answer 5

您正在搜索的字符串（实际上是干草堆）不包含子字符串“ton”。

然而，它确实包含子字符串“tooooooooooooon”。