正則表達式之貪婪與非貪婪模式詳解（概述）

2020-01-20 22:14:40

字體：大中小

來源：轉載

供稿：網友

1 概述
貪婪與非貪婪模式影響的是被量詞修飾的子表達式的匹配行為，貪婪模式在整個表達式匹配成功的前提下，盡可能多的匹配，而非貪婪模式在整個表達式匹配成功的前提下，盡可能少的匹配。非貪婪模式只被部分NFA引擎所支持。

屬于貪婪模式的量詞，也叫做匹配優先量詞，包括：

“{m,n}”、“{m,}”、“?”、“*”和“+”。

在一些使用NFA引擎的語言中，在匹配優先量詞后加上“?”，即變成屬于非貪婪模式的量詞，也叫做忽略優先量詞，包括：

“{m,n}?”、“{m,}?”、“??”、“*?”和“+?”。

從正則語法的角度來講，被匹配優先量詞修飾的子表達式使用的就是貪婪模式，如“(Expression)+”；被忽略優先量詞修飾的子表達式使用的就是非貪婪模式，如“(Expression)+?”。

對于貪婪模式，各種文檔的叫法基本一致，但是對于非貪婪模式，有的叫懶惰模式或惰性模式，有的叫勉強模式，其實叫什么無所謂，只要掌握原理和用法，能夠運用自如也就是了。個人習慣使用貪婪與非貪婪的叫法，所以文中都會使用這種叫法進行介紹。

2 貪婪與非貪婪模式匹配原理
對于貪婪與非貪婪模式，可以從應用和原理兩個角度進行理解，但如果想真正掌握，還是要從匹配原理來理解的。

先從應用的角度，回答一下“什么是貪婪與非貪婪模式？”

2.1 從應用角度分析貪婪與非貪婪模式
2.1.1 什么是貪婪與非貪婪模式
先看一個例子

舉例：

源字符串：aa<div>test1</div>bb<div>test2</div>cc

正則表達式一：<div>.*</div>

匹配結果一：<div>test1</div>bb<div>test2</div>

正則表達式二：<div>.*?</div>

匹配結果二：<div>test1</div>（這里指的是一次匹配結果，所以沒包括<div>test2</div>）

根據上面的例子，從匹配行為上分析一下，什是貪婪與非貪婪模式。

正則表達式一采用的是貪婪模式，在匹配到第一個“</div>”時已經可以使整個表達式匹配成功，但是由于采用的是貪婪模式，所以仍然要向右嘗試匹配，查看是否還有更長的可以成功匹配的子串，匹配到第二個“</div>”后，向右再沒有可以成功匹配的子串，匹配結束，匹配結果為“<div>test1</div>bb<div>test2</div>”。當然，實際的匹配過程并不是這樣的，后面的匹配原理會詳細介紹。

僅從應用角度分析，可以這樣認為，貪婪模式，就是在整個表達式匹配成功的前提下，盡可能多的匹配，也就是所謂的“貪婪”，通俗點講，就是看到想要的，有多少就撿多少，除非再也沒有想要的了。

正則表達式二采用的是非貪婪模式，在匹配到第一個“</div>”時使整個表達式匹配成功，由于采用的是非貪婪模式，所以結束匹配，不再向右嘗試，匹配結果為“<div>test1</div>”。

僅從應用角度分析，可以這樣認為，非貪婪模式，就是在整個表達式匹配成功的前提下，盡可能少的匹配，也就是所謂的“非貪婪”，通俗點講，就是找到一個想要的撿起來就行了，至于還有沒有沒撿的就不管了。

2.1.2 關于前提條件的說明
在上面從應用角度分析貪婪與非貪婪模式時，一直提到的一個前提條件就是“整個表達式匹配成功”，為什么要強調這個前提，我們看下下面的例子。

正則表達式三：<div>.*</div>bb

匹配結果三：<div>test1</div>bb

修飾“.”的仍然是匹配優先量詞“*”，所以這里還是貪婪模式，前面的“<div>.*</div>”仍然可以匹配到“<div>test1</div>bb<div>test2</div>”，但是由于后面的“bb”無法匹配成功，這時“<div>.*</div>”必須讓出已匹配的“bb<div>test2</div>”，以使整個表達式匹配成功。這時整個表達式匹配的結果為“<div>test1</div>bb”，“<div>.*</div>”匹配的內容為“<div>test1</div>”。可以看到，在“整個表達式匹配成功”的前提下，貪婪模式才真正的影響著子表達式的匹配行為，如果整個表達式匹配失敗，貪婪模式只會影響匹配過程，對匹配結果的影響無從談起。

非貪婪模式也存在同樣的問題，來看下面的例子。

正則表達式四：<div>.*?</div>cc

匹配結果四：<div>test1</div>bb<div>test2</div>cc

這里采用的是非貪婪模式，前面的“<div>.*?</div>”仍然是匹配到“<div>test1</div>”為止，此時后面的“cc”無法匹配成功，要求“<div>.*?</div>”必須繼續向右嘗試匹配，直到匹配內容為“<div>test1</div>bb<div>test2</div>”時，后面的“cc”才能匹配成功，整個表達式匹配成功，匹配的內容為“<div>test1</div>bb<div>test2</div>cc”，其中“<div>.*?</div>”匹配的內容為“<div>test1</div>bb<div>test2</div>”?？梢钥吹?，在“整個表達式匹配成功”的前提下，非貪婪模式才真正的影響著子表達式的匹配行為，如果整個表達式匹配失敗，非貪婪模式無法影響子表達式的匹配行為。

2.1.3 貪婪還是非貪婪――應用的抉擇
通過應用角度的分析，已基本了解了貪婪與非貪婪模式的特性，那么在實際應用中，究竟是選擇貪婪模式，還是非貪婪模式呢，這要根據需求來確定。

對于一些簡單的需求，比如源字符為“aa<div>test1</div>bb”，那么取得div標簽，使用貪婪與非貪婪模式都可以取得想要的結果，使用哪一種或許關系不大。

但是就2.1.1中的例子來說，實際應用中，一般一次只需要取得一個配對出現的div標簽，也就是非貪婪模式匹配到的內容，貪婪模式所匹配到的內容通常并不是我們所需要的。

那為什么還要有貪婪模式的存在呢，從應用角度很難給出滿意的解答了，這就需要從匹配原理的角度去分析貪婪與非貪婪模式。

2.2 從匹配原理角度分析貪婪與非貪婪模式
如果想真正了解什么是貪婪模式，什么是非貪婪模式，分別在什么情況下使用，各自的效率如何，那就不能僅僅從應用角度分析，而要充分了解貪婪與非貪婪模式的匹配原理。

2.2.1 從基本匹配原理談起
NFA引擎基本匹配原理參考：正則基礎之――NFA引擎匹配原理。

這里主要針對貪婪與非貪婪模式涉及到的匹配原理進行介紹。先看一下貪婪模式簡單的匹配過程。

源字符串："Regex"

正則表達式：".*"
2-1

圖2-1

注：為了能夠看清晰匹配過程，上面的空隙留得較大，實際源字符串為“”Regex””，下同。

來看一下匹配過程。首先由第一個“"”取得控制權，匹配位置0位的“"”，匹配成功，控制權交給“.*”。

“.*”取得控制權后，由于“*”是匹配優先量詞，在可匹配可不匹配的情況下，優先嘗試匹配。從位置1處的“R”開始嘗試匹配，匹配成功，繼續向右匹配，匹配位置2處的“e”，匹配成功，繼續向右匹配，直到匹配到結尾的“””，匹配成功，由于此時已匹配到字符串的結尾，所以“.*”結束匹配，將控制權交給正則表達式最后的“"”。

“"”取得控制權后，由于已經在字符串結束位置，匹配失敗，向前查找可供回溯的狀態，控制權交給“.*”，由“.*”讓出一個字符，也就是字符串結尾處的“””，再把控制權交給正則表達式最后的“"”，由“"”匹配字符串結尾處的“"”，匹配成功。

此時整個正則表達式匹配成功，其中“.*”匹配的內容為“Regex”，匹配過程中進行了一次回溯。

接下來看一下非貪婪模式簡單的匹配過程。

源字符串："Regex"

正則表達式：".*?"

圖2-2

看一下非貪婪模式的匹配過程。首先由第一個“"”取得控制權，匹配位置0位的“"”，匹配成功，控制權交給“.*?”。

“.*?”取得控制權后，由于“*?”是忽略優先量詞，在可匹配可不匹配的情況下，優先嘗試不匹配，由于“*”等價于“{0,}”，所以在忽略優先的情況下，可以不匹配任何內容。從位置1處嘗試忽略匹配，也就是不匹配任何內容，將控制權交給正則表達式最后的“””。

“"”取得控制權后，從位置1處嘗試匹配，由“"”匹配位置1處的“R”，匹配失敗，向前查找可供回溯的狀態，控制權交給“.*?”，由“.*?”吃進一個字符，匹配位置1處的“R”，再把控制權交給正則表達式最后的“"”。

“"”取得控制權后，從位置2處嘗試匹配，由“"”匹配位置1處的“e”，匹配失敗，向前查找可供回溯的狀態，重復以上過程，直到由“.*?”匹配到“x”為止，再把控制權交給正則表達式最后的“"”。

“"”取得控制權后，從位置6處嘗試匹配，由“"”匹配字符串最后的“"”，匹配成功。

此時整個正則表達式匹配成功，其中“.*?”匹配的內容為“Regex”，匹配過程中進行了五次回溯。

2.2.2 貪婪還是非貪婪――匹配效率的抉擇
通過匹配原理的分析，可以看到，在匹配成功的情況下，貪婪模式進行了更少的回溯，而回溯的過程，需要進行控制權的交接，讓出已匹配內容或匹配未匹配內容，并重新嘗試匹配，在很大程度上降低匹配效率，所以貪婪模式與非貪婪模式相比，存在匹配效率上的優勢。

但2.2.1中的例子，僅僅是一個簡單的應用，讀者看到這里時，是否會存在這樣的疑問，貪婪模式就一定比非貪婪模式匹配效率高嗎？答案是否定的。

舉例：

需求：取得兩個“"”中的子串，其中不能再包含“"”。

正則表達式一：".*"

正則表達式二：".*?"

情況一：當貪婪模式匹配到更多不需要的內容時，可能存在比非貪婪模式更多的回溯。比如源字符串為“The word "Regex" means regular expression.”。

情況二：貪婪模式無法滿足需求。比如源字符串為“The phrase "regular expression" is called "Regex" for short.”。

對于情況一，正則表達式一采用的貪婪模式，“.*”會一直匹配到字符串結束位置，控制權交給最后的“””，匹配不成功后，再進行回溯，由于多匹配的內容“means regular expression.”遠遠超過需匹配內容本身，所以采用正則表達式一時，匹配效率會比使用正則表達式二的非貪婪模式低。

對于情況二，正則表達式一匹配到的是“"regular expression" is called "Regex"”，連需求都不滿足，自然也談不上什么匹配效率的高低了。

以上兩種情況是普遍存在的，那么是不是為了滿足需求，又兼顧效率，就只能使用非貪婪模式了呢？當然不是，根據實際情況，變更匹配優先量詞修飾的子表達式，不但可以滿足需求，還可以提高匹配效率。

源字符串："Regex"

給出正則表達式三："[^"]*"

看一下正則表達式三的匹配過程。
2-3

圖2-3

首先由第一個“"”取得控制權，匹配位置0位的“"”，匹配成功，控制權交給“[^"]*”。

“[^"]*”取得控制權后，由于“*”是匹配優先量詞，在可匹配可不匹配的情況下，優先嘗試匹配。從位置1處的“R”開始嘗試匹配，匹配成功，繼續向右匹配，匹配位置2處的“e”，匹配成功，繼續向右匹配，直到匹配到“x”，匹配成功，再匹配結尾的“””時，匹配失敗，將控制權交給正則表達式最后的“"”。

“””取得控制權后，匹配字符串結尾處的“””，匹配成功。

此時整個正則表達式匹配成功，其中“[^"]*”匹配的內容為“Regex”，匹配過程中沒有進行回溯。

將量詞修飾的子表達式由范圍較大的“.”，換成了排除型字符組“[^"]”，使用的仍是貪婪模式，很完美的解決了需求和效率問題。當然，由于這一匹配過程沒有進行回溯，所以也不需要記錄回溯狀態，這樣就可以使用固化分組，對正則做進一步的優化。

給出正則表達式四："(?>[^"]*)"

固化分組并不是所有語言都支持的，如.NET支持，而Java就不支持，但是在Java中卻可以使用更簡單的占有優先量詞來代替："[^"]*+"。

3 貪婪還是非貪婪模式――再談匹配效率
一般來說，貪婪與非貪婪模式，如果量詞修飾的子表達式相同，比如“.*”和“.*?”，它們的應用場景通常是不同的，所以效率上一般不具有可比性。

而對于改變量詞修飾的子表達式，以滿足需求時，比如把“.*”改為“[^"]*”，由于修飾的子表達式已不同，也不具有直接的可對比性。但是在相同的子表達式，又都可以滿足需求的情況下，比如“[^"]*”和“[^"]*?”，貪婪模式的匹配效率通常要高些。

同時還有一個事實就是，非貪婪模式可以實現的，通過優化量詞修飾的子表達式的貪婪模式都可以實現，而貪婪模式可以實現的一些優化效果，卻未必是非貪婪模式可以實現的。

貪婪模式還有一點優勢，就是在匹配失敗時，貪婪模式可以更快速的報告失敗，從而提升匹配效率。下面將全面考察貪婪與非貪婪模式的匹配效率。

3.1 效率提升――演進過程
在了解了貪婪與非貪婪模式的匹配基本原理之后，我們再來重新看一下正則效率提升的演進過程。

需求：取得兩個“"”中的子串，其中不能再包含“"”。

源字符串：The phrase "regular expression" is called "Regex" for short.

正則表達式一：".*"

正則表達式一匹配的內容為“"regular expression" is called "Regex"”，不符合要求。

提出正則表達式二：".*?"

首先“"”取得控制權，由位置0位開始嘗試匹配，直到位置11處匹配成功，控制權交給“.*?”，匹配過程同2.2.1中非貪婪模式的匹配過程?！?*?”匹配的內容為“Regex”，匹配過程中進行了四次回溯。

如何消除回溯帶來的匹配效率的損失，就是使用更小范圍的子表達式，采用貪婪模式，提出正則表達式三："[^"]*"

首先“"”取得控制權，由位置0位開始嘗試匹配，直到位置11處匹配成功，控制權交給“[^"]*”，匹配過程同2.2.2節中非貪婪模式的匹配過程?！癧^"]*”匹配的內容為“Regex”，匹配過程中沒有進行回溯。

3.2 效率提升――更快的報告失敗
以上討論的是匹配成功的演進過程，而對于一個正則表達式，在匹配失敗的情況下，如果能夠以最快的速度報告匹配失敗，也會提升匹配效率，這或許是我們設計正則過程中最容易忽略的。而在源字符串數據量非常大，或正則表達式比較復雜的情況下，是否能夠快速報告匹配失敗，將對匹配效率產生直接的影響。

下面將構建匹配失敗的正則表達式，對匹配過程進行分析。

以下匹配過程分析中，源字符串統一為：The phrase "regular expression" is called "Regex" for short.

3.2.1 非貪婪模式匹配失敗過程分析
3-1

圖3-1

構建匹配失敗的非貪婪模式的正則表達式：".*?"@

由于最后的“@”的存在，這個正則表達式最后一定是匹配失敗的，那么看一下匹配過程。

首先由“"”取得控制權，由位置0處開始嘗試匹配，匹配失敗，直到圖中標示的A處匹配成功，控制權交給“.*?”。

“.*?”取得控制權后，由A后面的位置開始嘗試匹配，由于是非貪婪模式，首先忽略匹配，將控制權交給“"”，同時記錄一下回溯狀態?！?”取得控制權后，由A后面的位置開始嘗試匹配，匹配字符“r”失敗，查找可供回溯的狀態，將控制權交給“.*?”，由“.*?”匹配字符“r”。重復以上過程，直到“.*?”匹配了B處前面的字符“n”，“"”匹配了B處的字符“””，將控制權交給“@”。由“@”匹配接下來的空格“ ”，匹配失敗，查找可供回溯的狀態，控制權交給“.*?”，由“.*?”匹配空格。繼續重復以上匹配過程，直到由“.*?”匹配到字符串結束位置，將控制權交給“"”。由于已經是字符串結束位置，匹配失敗，報告整個表達式在位置11處匹配失敗，一輪匹配嘗試結束。

正則引擎傳動裝置使正則向前傳動，進入下一輪嘗試。后續匹配過程與第一輪嘗試匹配過程基本類似，可以參考圖3-1。

從匹配過程中可以看到，非貪婪模式的匹配失敗過程，幾乎每一步都伴隨著回溯過程，對匹配效率的影響是很大的。

3.2.2 貪婪模式匹配失敗過程分析――大范圍子表達式
3-2

圖3-2

PS：以上分析過程圖示參考了《精通正則表達式》一書相關章節圖示。

構建匹配失敗的貪婪模式的正則表達式：".*"@

其中量詞修飾的子表達式為匹配范圍較大的“.”，由于最后的“@”的存在，這個正則表達式最后也是一定匹配失敗的，看一下匹配過程。

首先由“"”取得控制權，由位置0處開始嘗試匹配，匹配失敗，直到圖中標示的A處匹配成功，控制權交給“.*”。

“.*”取得控制權后，由A后面的位置開始嘗試匹配，由于是貪婪模式，優化嘗試匹配，一直匹配到字符串的結束位置，將控制權交給“"”?！?”取得控制權后，由于已經是字符串的結束位置，匹配失敗，查找可供回溯的狀態，將控制權交給“.*”，由“.*”讓出已匹配字符“.”。重復以上過程，直到后面“"”匹配了C處后面的字符“””，將控制權交給“@”。由“@”匹配接下來D處的空格“ ”，匹配失敗，查找可供回溯的狀態，控制權交給“.*”，由“.*”讓出已匹配文本。繼續重復以上匹配過程，直到由“.*”讓出所有已匹配的文本到I處，將控制權交給“"”。“"”匹配失敗，由于已經沒有可供回溯的狀態，報告整個表達式在位置11處匹配失敗，一輪匹配嘗試結束。

正則引擎傳動裝置使正則向前傳動，進入下一輪嘗試。后續匹配過程與第一輪嘗試匹配過程基本類似，可以參考圖3-2。

從匹配過程中可以看到，大范圍子表達式貪婪模式的匹配失敗過程，從總體上看，與非貪婪模式沒有什么區別，最終進行的回溯次數與非貪婪模式基本一致，對匹配效率的影響仍然很大。

3.2.3 貪婪模式匹配失敗過程分析――改進的子表達式
3-3

圖3-3

構建匹配失敗的貪婪模式的正則表達式："[^"]*"@

其中量詞修飾的子表達式，改為匹配范圍較小的排除型字符組“[^"]”，由于最后的“@”的存在，這個正則表達式最后也是一定匹配失敗的，看一下匹配過程。

首先由“"”取得控制權，由位置0處開始嘗試匹配，匹配失敗，直到圖中標示的A處匹配成功，控制權交給“[^"]*”。

“[^"]*”取得控制權后，由A后面的位置開始嘗試匹配，由于是貪婪模式，優先嘗試匹配，一直匹配到B處，將控制權交給“"”?！?”匹配接下來的的字符“"”，匹配成功，將控制權交給“@”。由“@”匹配接下來的空格“ ”，匹配失敗，查找可供回溯的狀態，控制權交給“[^"]*”，由“[^"]*”讓出已匹配文本。繼續重復以上匹配過程，直到由“[^"]*”讓出所有已匹配的文本到C處，將控制權交給“"”?！?”匹配失敗，由于已經沒有可供回溯的狀態，報告整個表達式在位置11處匹配失敗，一輪匹配嘗試結束。

正則引擎傳動裝置使正則向前傳動，進入下一輪嘗試。后續匹配過程與第一輪嘗試匹配過程基本類似，可以參考圖3-3。

從匹配過程中可以看到，使用了排除型字符組的貪婪模式的匹配失敗過程，從總體上看，大量減少了每輪回溯的次數，可以有效的提升匹配效率。

3.2.4 貪婪模式匹配失敗過程分析――固化分組
通過3.2.3節的分析可以知道，由于“[^"]*”使用了排除型字符組，那么圖3-3中，在A和B之間被匹配到的字符，就一定不會是字符“"”，所以B到C之間回溯過程就是多余的，也就是說在這之間的可供回溯的狀態完全可以不記錄。.NET中可以使用固化分組，Java中可以使用占有優先量詞來實現這一效果。

3-4

圖3-4

首先由“"”取得控制權，由位置0處開始嘗試匹配，匹配失敗，直到圖中標示的A處匹配成功，控制權交給“(?>[^"]*)”。

“(?>[^"]*)”取得控制權后，由A后面的位置開始嘗試匹配，由于是貪婪模式，優先嘗試匹配，一直匹配到B處，將控制權交給“"”，在這一匹配過程中，不記錄任何可供回溯的狀態?！?”匹配接下來的字符“””，匹配成功，將控制權交給“@”。由“@”匹配接下來的空格“ ”，匹配失敗，查找可供回溯的狀態，由于已經沒有可供回溯的狀態，報告整個表達式在位置11處匹配失敗，一輪匹配嘗試結束。

正則引擎傳動裝置使正則向前傳動，進入下一輪嘗試。后續匹配過程與第一輪嘗試匹配過程基本類似，可以參考圖3-4。

從匹配過程中可以看到，使用了固化分組的貪婪模式的匹配失敗過程，沒有涉及到回溯，可以最大限度的提升匹配效率。

3.3 非貪婪模式向貪婪模式的轉換
使用匹配范圍較大的子表達式時，貪婪模式與非貪婪模式匹配到的內容會有所不同，但是通過優化子表達式，非貪婪模式可以實現的匹配，貪婪模式都可以實現。

比如在實際應用中，匹配img標簽的內容。

舉例：

需求：取得img標簽中的圖片地址，src=后固定為“””

源字符串：<img class="test" src="/img/logo.gif" title="測試" />

正則表達式一：<img/b.*?src="(.*?)".*?>

匹配結果中，捕獲組1的內容即為圖片地址?？梢钥吹?，這個例子中使用的都是非貪婪模式，而根據上面章節的分析，后面兩個非貪婪模式都可以使用排除型字符組，將非貪婪模式轉換為貪婪模式。

正則表達式二：<img/b.*?src="([^"]*)"[^>]*>

注：“src="…"”和標簽結束標記符“>”之間的屬性中，也可能出現字符“>”，但那是極端情況，這里不予討論。

后兩處非貪婪模式，可以通過排除型字符組轉換為貪婪模式，提高匹配效率，而“src=”前的非貪婪模式，由于要排除的是一個字符序列“src=”，而不是單獨的某一個或幾個字符，所以不能使用排除型字符組。當然也不是沒有辦法，可以使用順序環視來達到這一效果。

正則表達式三：<img/b(?:(?!src=).)*src="([^"]*)"[^>]*>

“(?!src=).”表示這樣一個字符，從它開始，右側不能是字符序列“src=”，而“(?:(?!src=).)*”就表示符合上面規則的字符，有0個或無限多個。這樣就達到排除字符序列的目的，實現的效果同排除型字符組一樣，只不過排除型字符組排除的是一個或多個字符，而這種環視結構排除的是一個或多個有序的字符序列。

但是以順序環視的方式排除字符序列，由于在匹配每一個字符時，都要進行較多的判斷，所以相對于非貪婪模式，是提升效率還是降低效率，要根據實際情況進行分析。對于簡單的正則表達式，或是簡單的源字符串，一般來說是非貪婪模式效率高些，而對于數量較大源字符串，或是復雜的正則表達式，一般來說是貪婪模式效率高些。

比如上面取得img標簽中的圖片地址需求，基本上用正則表達二就可以了；對于復雜的應用，如平衡組中，就需要使用結合環視的貪婪模式了。

以匹配嵌套div標簽的平衡組為例：

Regex reg = new Regex(@"(?isx) #匹配模式，忽略大小寫，“.”匹配任意字符

<div[^>]*> #開始標記“<div...>”

(?> #分組構造，用來限定量詞“*”修飾范圍

<div[^>]*> (?<Open>) #命名捕獲組，遇到開始標記，入棧，Open計數加1

| #分支結構

</div> (?<-Open>) #狹義平衡組，遇到結束標記，出棧，Open計數減1

| #分支結構

(?:(?!</?div/b).)* #右側不為開始或結束標記的任意字符

)* #以上子串出現0次或任意多次

(?(Open)(?!)) #判斷是否還有'OPEN'，有則說明不配對，什么都不匹配

</div> #結束標記“</div>”

");

“(?:(?!</?div/b).)*”這里使用的就是結合環視的貪婪模式，雖然每匹一個字符都要做很多判斷，但這種判斷是基于字符的，速度很快，而如果這里使用非貪婪模式，那么每次要做的就是分支結構“|”的判斷了，而分支結構是非常影響匹配效率的，其代價遠遠高于對確定字符的判斷。而另外一個原因，就是貪婪模式可以結合固化分組來提升效率，而對非貪婪模式使用固化分組卻是沒有意義的。

4 貪婪與非貪婪――最后的回顧
4.1 一個例子的匹配原理回顧
再回過頭來看一下2.1.1節例子中正則，前面從應用角度進行了分析，但討論過匹配原理后會發現，匹配過程并不是那么簡單的，下面從匹配原理角度分析的匹配過程。
4-1

圖4-1

首先由“<”取得控制權，由位置0位開始嘗試匹配，匹配字符“a”，匹配失敗，第一輪匹配結束。第二輪匹配從位置1開始嘗試匹配，同樣匹配失敗。第三輪從位置3開始嘗試匹配，匹配字符“<”，匹配成功，控制權交給“d”。

“d”嘗試匹配字符“d”，匹配成功，控制權交給“i”。重復以上過程，直到由“>”匹配到字符“>”，控制權交給“.*”。

“.*”屬于貪婪模式，將從B處后的字符“t”開始，一直匹配到E處，也就是字符串結束位置，將控制權交給“<”。

“<”從字符串結束位置嘗試匹配，匹配失敗，向前查找可供回溯的狀態，把控制權交給“.*”，由“.*”讓出一個字符“c”，把控制權再交給“<”，嘗試匹配，匹配失敗，向前查找可供回溯的狀態。一直重復以上過程，直到“.*”讓出已匹配的字符“<”，實際上也就是讓出了已匹配的子串“</div>cc”為止，“<”才匹配字符“<”成功，控制權交給“/”。

接下來由“/”、“d”、“i”、“v”分別匹配對應的字符成功，此時整個正則表達式匹配完畢。

4.2 貪婪與非貪婪――量詞的細節
4.2.1 區間量詞的非貪婪模式
前面提到的非貪婪模式，一直都是使用的“*?”，而沒有涉及到其它的區間量詞，對于“*?”和“+?”這樣的非貪婪模式，大多數接觸過正則表達式的人都可以理解，但是對于區間量詞的非貪婪模式，比如“{m,n}?”，要么是沒見過，要么是不理解，主要是這種應用場景非常少，所以被忽略了。

首先需要明確的一點，就是量詞“{m,n}”是匹配優先量詞，雖然它有了上限，但是在達到上限之前，能夠匹配，還是要盡可能多的匹配的。而“{m,n}?”就是對應的忽略優先量詞了，在可匹配可不匹配的情況下，盡可能少的匹配。

接下來舉一個例子說明這種非貪婪模式的應用。

舉例（參考限制字符長度與最小匹配）：

需求：如何限制在長度為100的字符串中，從頭匹配到最先出現的abc

csdn.{1,100}abc 這樣寫是最大匹配(1-100個字符串中，我需要最小的)

比如csdnfddabckjdsfjabc，匹配結果應為：csdnfddabc

正則表達式：csdn.{1,100}?abc

或許對這個例子還有人不是很理解，但是想想，其實“*”就等價于“{0,}”，“+”就等價于“{1,}”，“*?”也就是“{0,}?”，抽象出來也就是“{m,}?”，即上限為無窮大。如果上限為一個固定值，那就是“{m,n}?”，這樣應該也就可以理解了。

“{m}”沒有放在匹配優先量詞中，同樣的，“{m}?”雖然被部分語言所支持，但是也沒有放在忽略優先量詞中，主要是因為這兩種量詞，實現的效果是一樣的，只有被修飾的子表達式匹配m次才能匹配成功，且沒有可供回溯的狀態，所以也不存在是匹配優先還是忽略優先的問題，也就不在本文的討論范圍內。事實上即使討論也沒有意義的，只要知道它們的匹配行為也就是了。

4.2.2 忽略優先量詞的匹配下限
對于匹配優先量詞的匹配下限很好理解，“?”等價于“{0,1}”，它修飾的子表達式，最少匹配0次，最多匹配1次；“*”等價于“{0,}”，它修飾的子表達式，最少匹配0次，最多匹配無窮多次；“+”等價于“{1,}”，它修飾的子表達式，最少匹配1次，最多匹配無窮多次。

對于忽略優先量詞的下限，也是容易忽略的。

“??”也是忽略優先量詞，被修飾的子表達式使用的也是非貪婪模式，“??”修飾的子表達式，最少匹配0次，最多匹配1次。在匹配過程中，遵循非貪婪模式匹配原則，先不匹配，即匹配0次，記錄回溯狀態，只有不得不匹配時，才去嘗試匹配。

“*?”修飾的子表達式，最少匹配0次，最多匹配無窮多次；“+?”修飾的子表達式，最少匹配1次，最多匹配無窮多次，“+?”雖然使用的是非貪婪模式，在匹配過程中，首先要匹配一個字符，之后才是忽略匹配的，這一點也需要注意。

4.3 貪婪與非貪婪模式小結
Ø 從語法角度看貪婪與非貪婪

被匹配優先量詞修飾的子表達式，使用的是貪婪模式；被忽略優先量詞修飾的子表達式，使用的是非貪婪模式。

匹配優先量詞包括：“{m,n}”、“{m,}”、“?”、“*”和“+”。

忽略優先量詞包括：“{m,n}?”、“{m,}?”、“??”、“*?”和“+?”。

Ø 從應用角度看貪婪與非貪婪

貪婪與非貪婪模式影響的是被量詞修飾的子表達式的匹配行為，貪婪模式在整個表達式匹配成功的前提下，盡可能多的匹配；而非貪婪模式在整個表達式匹配成功的前提下，盡可能少的匹配。非貪婪模式只被部分NFA引擎所支持。

Ø 從匹配原理角度看貪婪與非貪婪

能達到同樣匹配結果的貪婪與非貪婪模式，通常是貪婪模式的匹配效率較高。

所有的非貪婪模式，都可以通過修改量詞修飾的子表達式，轉換為貪婪模式。

貪婪模式可以與固化分組結合，提升匹配效率，而非貪婪模式卻不可以。

上一篇：正則基礎之神奇的轉義

下一篇：正則表達式解二元方程式代碼