正则表达式懒惰与贪婪的混淆

Question

我对正则表达式和贪婪与懒惰有点困惑。 它真的非常简单，感觉我错过了一些明显的东西。

我尽可能地简化了我的问题以便说清楚。 请考虑以下字符串和正则表达式模式。

string:
aaxxxb

pattern:
(?<=a)(.*?)(?=b)

result:
axxx

what I expected:
xxx

这个结果是我期望使用的。*而不是。*？，我错过了什么？

显然，同样的事情，如果我使用。*？b给我aaxxxb。 为什么是这样？ 不应该懒（比如。*？）尽可能少的字符返回？

Answer 1

你错过了一个正则表达式引擎从左到右，逐个位置工作，并在当前位置找到匹配后立即成功的事实。

在您的示例中，模式成功的第一个位置是第二个“a”。

懒惰只在右侧起作用。

如果你想获得“xxx”，更好的方法是使用否定的字符类[^ab]*而不是.*?

注意：与主题不完全相关，但很有必要：DFA正则表达式引擎将尝试在交替的情况下获得最大的结果，NFA为您提供第一个成功的结果。

Answer 2

user1277327，模式的(?<=a)部分表示“前面有'a'”。 当正则表达式引擎在你的字符串aaxxxb上启动时，第一个“a”不能完成那个lookbehind的断言，但是第二个“a”就是这样。 很好，但引擎可以匹配“a”吗？ 是的，你的。*中的点允许引擎匹配这个“a”。 懒惰的修饰符？ 告诉点星只吃掉必要的字符，直到我们能够匹配接下来的字符。 接下来是前瞻断言下一个字符是“b”。 因此引擎会占用三个x字符。 总比赛是axxx。

如果你发现贪婪/懒惰令人困惑，你可能想看一下正则表达式贪婪的程度 。 随附的外观也很有帮助 。