正则表达式模式匹配顺序

Question

在我熟悉的所有语言的正则表达式引擎中， .*表示法表示匹配零个或多个字符。 请考虑以下Javascript代码：

var s = "baaabcccb";
var pattern = new RegExp("b.*b");
var match = pattern.exec(s);
if (match) alert(match);

这输出baaabcccb

Python也会发生同样的事情：

>>> import re
>>> s = "baaabcccb"
>>> m = re.search("b.*b", s)
>>> m.group(0)
'baaabcccb'

这两种语言都匹配"baaabcccb"而不仅仅是"baaab"什么？ 我读取模式b.*b是“找到以b开头的子字符串，然后有任意数量的其他字符，然后以b结尾。” baaab和baaabcccb满足这个要求，但Javascript和Python都匹配后者。 我原以为它会匹配baaab ，因为该子字符串满足要求并首先出现。

那么为什么在这种情况下模式匹配baaabcccb ？ 并且，有没有办法修改这种行为（在任何一种语言中），以便它匹配baaab ？

Answer 1

你可以通过添加一个?来使正则表达式不贪心? 之后*喜欢这样： b.*?b 。 然后它将匹配最小的字符串posible。 默认情况下，正则表达式是贪婪的，并将尝试找到最长的匹配。

Answer 2

.*是一场贪婪的比赛。 .*? 是非贪婪的版本

Answer 3

因为*和+本质上是贪婪的（至少在python中，我不确定js）。 他们会尽量匹配。 如果你想避免这个问题你可以添加？ 在他们之后。

这是一个关于这个的好教程，在贪婪与非贪婪的部分： google python类