Java：正則匹配的不同情況(貪婪，勉強): greedy, reluctant, possesive

轉自：http://www.cppblog.com/biao/archive/2010/02/05/107298.html

import java.util.regex.Matcher;

import java.util.regex.Pattern;

public class Test {

	public static void main(String[] args) {

		String str = "<biao><>c<b>";

		Pattern pattern;

		Matcher matcher;

		// 貪婪: 最長匹配 .* : 輸出: <biao><>c<b>

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

		matcher = pattern.matcher(str);

		while (matcher.find()) {

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

		}

		// 不知是否非貪婪 .*? : 輸出: <biao>, <>, <b>

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

		matcher = pattern.matcher(str);

		while (matcher.find()) {

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

		}

		// 使用組, 輸出<>裏的內容, 輸出: 'biao', ' ', 'b'

		// 0組代表整個表達式, 子組從1開始

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

		matcher = pattern.matcher(str);

		while (matcher.find()) {

			System.out.println(matcher.group(1));

		}

	}

}

 

 

貪婪、勉強和侵佔量詞間的不同

　　在貪婪、勉強和侵佔三個量詞間有着細微的不同。

　　貪婪(*, ?, +)：讀入整個串，從後往前匹配

　　勉強(*?, ??, +?)：從前往後匹配

　　侵佔(*+, ?+, ++)：讀入整個串，從前往後匹配，匹配的是整個串
　　貪婪量詞之所以稱之爲“貪婪的”，這是由於它們強迫匹配器讀入（或者稱之爲吃掉）整個輸入的字符串，來優先嚐試第一次匹配，如果第一次嘗試匹配（對於整個輸入的字符串）失敗，匹配器會通過回退整個字符串的一個字符再一次進行嘗試，不斷地進行處理直到找到一個匹配，或者左邊沒有更多的字符來用於回退了。賴於在表達式中使用的量詞，最終它將嘗試地靠着 1 或 0 個字符的匹配。
　　但是，勉強量詞采用相反的途徑：從輸入字符串的開始處開始，因此每次勉強地吞噬一個字符來尋找匹配，最終它們會嘗試整個輸入的字符串。
　　最後，侵佔量詞始終是吞掉整個輸入的字符串，嘗試着一次（僅有一次）匹配。不像貪婪量詞那樣，侵佔量詞絕不會回退，即使這樣做是允許全部的匹配成功。
　　爲了說明一下，看看輸入的字符串是 xfooxxxxxxfoo 時。

Enter your regex: .*foo // 貪婪量詞 Enter input string to search: xfooxxxxxxfoo I found the text "xfooxxxxxxfoo" starting at index 0 and ending at index 13. Enter your regex: .*?foo // 勉強量詞 Enter input string to search: xfooxxxxxxfoo I found the text "xfoo" starting at index 0 and ending at index 4. I found the text "xxxxxxfoo" starting at index 4 and ending at index 13. Enter your regex: .*+foo // 侵佔量詞 Enter input string to search: xfooxxxxxxfoo No match found.

　　第一個例子使用貪婪量詞.*，尋找緊跟着字母“f”“o”“o”的“任何東西”零次或者多次。由於量詞是貪婪的，表達式的.*部分第一次“吃掉”整個輸入的字符串。在這一點，全部表達式不能成功地進行匹配，這是由於最後三個字母（“f”“o”“o”）已經被消耗掉了。那麼匹配器會慢慢地每次回退一個字母，直到返還的“foo”在最右邊出現，這時匹配成功並且搜索終止。
　　然而，第二個例子採用勉強量詞，因此通過首次消耗“什麼也沒有”作爲開始。由於“foo”並沒有出現在字符串的開始，它被強迫吞掉第一個字母（“x”），在 0 和 4 處觸發了第一個匹配。測試用具會繼續處理，直到輸入的字符串耗盡爲止。在 4 和 13 找到了另外一個匹配。
　　第三個例子的量詞是侵佔，所以在尋找匹配時失敗了。在這種情況下，整個輸入的字符串被.*+消耗了，什麼都沒有剩下來滿足表達式末尾的“foo”。
　　你可以在想抓取所有的東西，且決不回退的情況下使用侵佔量詞，在這種匹配不是立即被發現的情況下，它將會優於等價的貪婪量詞。