Java正則表達式中的所有格限定詞有什么用？

Question

我正在閱讀有關Java中的正則表達式的信息。 而且我知道所有格量詞不會回退和釋放角色，不會給其他小組提供匹配的機會。 但是我無法弄清楚現實中使用所有格量詞的任何情況。 我已經閱讀了一些資源，他們說，由於所有格量詞不會回溯，因此它們不需要記住輸入字符串中每個字符的位置，這有助於顯着提高正則表達式引擎的性能。 我已經通過編寫示例進行了測試：

我有一個包含約數千個數字的字符串。

首先，我定義一個貪婪： String regex = "(\\d+)";

然后我數了一下時間。

第二：我更改為所有格： String regex = "(\\d++)";

我也數了一下時間，但是我看不出時間有什么不同

我誤會了嗎？

此外，有人可以給我一些使用所有格修飾詞的特定情況嗎？

關於該術語：在Java Regular Expressions Taming the Java.Util.Regex Engine by Mehran Habibi撰寫的“ Java Regular Expressions Taming the Java.Util.Regex Engine by Mehran Habibi ”一書中，他使用了“ possessive qualifiers ”一詞，而我在互聯網上閱讀時，人們使用了“ Possessive quantifier ”。 哪一個是正確的還是兩者都正確？

Answer 1

擁有量詞是貪婪的量詞（它們嘗試匹配盡可能多的字符）並且不回溯（如果所有格量詞走得太遠，匹配可能會失敗）。

例

普通（貪婪）量詞

假設您有以下正則表達式：

^([A-Za-z0-9]+)([A-Z0-9][A-Z0-9])(.*)

正則表達式旨在匹配“一個或多個字母數字字符（不區分大小寫） [A-Za-z0-9]並且應以兩個字母數字字符結尾，然后可以出現任何字符。

符合此約束的任何字符串都將匹配。 AAA也是如此。 可以聲稱第二個和第三個A應該屬於第二個組，但這將導致字符串不匹配。 正則表達式因此具有智能（使用動態編程），可以知道何時離開（第一艘）戰艦。

非貪婪量詞

現在可能出現的問題是，出於數據提取的目的，第一組“過於貪婪”。 假設您具有以下字符串AAAAAAA 。 可能有幾個細分： (A)(AA)(AAAA) ， (AA)(AA)(AAA)等。默認情況下，正則表達式中的每個組都盡可能貪婪（只要這對字符串是否仍然匹配）。 正則表達式將因此將字符串細分為(AAAAA)(AA)() 。 如果要以這樣一種方式提取數據，即從經過一個字符的那一刻起，從出現[A-Z0-9]范圍中的兩個字符的那一刻起，則正則表達式應移至下一組。

為了實現這一點，您可以編寫：

^([A-Za-z0-9]+?)([A-Z0-9][A-Z0-9])(.*)

字符串AAAAAAA將與(A)(AA)(AAAA)匹配。

所有格量詞

擁有量詞是貪婪的量詞，但是一旦有可能，它們就永遠不會將角色還給另一個組。 例如：

^([A-Z]++)([H-Zw])(.*)

如果您要寫^([AZ]+)([HZ])(.*)則將匹配字符串AH0 。 第一組是貪婪的（取A ），但是由於吃（有時會用到這個詞） H會導致字符串不匹配，因此願意放棄H 使用所有格量詞。 小組也不願意放棄H 結果，它同時吃了A和H 第二組只剩下0 ，但是第二組不能吃掉那個角色。 結果，正則表達式在使用非所有格量詞會導致成功匹配的地方失敗。 但是，由於第一組對w不感興趣，因此字符串Aw將成功匹配。

Answer 2

默認情況下，量詞是貪婪的。 他們將嘗試盡可能地匹配。 所有格量詞可防止回溯，這意味着即使正則表達式匹配的內容導致整個匹配失敗，也不會回溯到正則表達式匹配的內容。 如正則表達式教程（所有格量詞）中所述 ...

擁有量詞是防止正則表達式引擎嘗試所有排列的一種方法。 這主要是出於性能方面的考慮。 您還可以使用所有格量詞來消除某些匹配項。