正则表达式 回溯规则与问号(懒惰量词)的使用

问题描述:

匹配一对标记<p>和</p>以及二者之间的所有文本。

<p>
    The very .......beginning of a parapraph.
</p>
<p>
    Then you have to find the end of the paragraph
</p>

解决方案:

<p>.*?</p>

不正确的:

<p>.*</p>     少了一个问号

理由 :

在匹配了目标文本中的第一个 <p>之后,引擎会达到 <  .* > 。*号会匹配到文本结束的所有内容。当< .* >把肚子吃饱后,引擎才会试图去匹配目标文本末尾的 '<' 。引擎回溯,在文本的最后一个位置,显然会失败,如果失败,那么引擎会再一次回溯,在文本的倒数第二个字符处尝试匹配 '<'。这个过程会一直继续,直到匹配 '<'成功。如果一直没有匹配到,那么最终 <.*>会用完所有回溯位置,然后整个匹配宣布失败。

如果在整个回溯过程中'<'匹配到了,那么接着尝试匹配</>,如果匹配失败,引擎会接着进行回溯,直到</p>整个被匹配到。最后匹配到的是整个内容。从后往前推。

在其后放一个问题来使任何量词变成懒惰量词,如 <*? > 、<+?>、<??>、<{7,42}?>,一个懒惰量词会重复尽可能少的次数。从前往后推。

<*>最长可能的匹配。

<*?>最短可能的匹配。
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章