命令行与文本处理 / 系统课时

贪婪与懒惰匹配

贪婪与懒惰匹配

学习目标

  • 理解贪婪量词的默认行为。
  • 理解懒惰量词的最短匹配行为。
  • 会为量词添加问号切换为懒惰模式。
  • 能解决匹配范围过大的问题。

问题背景或应用场景

从简单标签文本中提取内容时,贪婪量词可能从第一个开始标记一直匹配到最后一个结束标记,导致多个片段被合并。懒惰量词可以优先返回更短的结果。

核心原理

  1. 星号、加号和花括号量词默认是贪婪的。
  2. 贪婪量词会在保证整体模式成功的前提下尽可能多地匹配。
  3. 在量词后添加问号可切换为懒惰形式。
  4. 懒惰量词会在保证整体模式成功的前提下尽可能少地匹配。
  5. 懒惰匹配仍可能发生回溯,不代表性能一定更高。

模式 <.*> 会尽可能扩展到最后一个右尖括号。模式 <.*?> 会在第一个可满足整体模式的位置停止。

基础用法

本课涉及的核心写法如下:

text
.*
.*?
.+
.+?
{m,n}?

对于结构化 HTML、XML 或 JSON,正则只适合非常简单且受控的文本。复杂结构应使用专用解析器。

完整可运行示例

将代码保存为:

text
greedy_lazy.py
python
import re

text = "<b>one</b><b>two</b>"

greedy = re.findall(r"<b>.*</b>", text)
lazy = re.findall(r"<b>.*?</b>", text)

print(f"贪婪结果:{greedy}")
print(f"懒惰结果:{lazy}")

quoted = 'name="Alice" age="30"'
greedy_quotes = re.findall(r'".*"', quoted)
lazy_quotes = re.findall(r'".*?"', quoted)

print(f"贪婪引号:{greedy_quotes}")
print(f"懒惰引号:{lazy_quotes}")

运行命令:

bash
python greedy_lazy.py

预期输出

text
贪婪结果:['<b>one</b><b>two</b>']
懒惰结果:['<b>one</b>', '<b>two</b>']
贪婪引号:['"Alice" age="30"']
懒惰引号:['"Alice"', '"30"']

Tips

  • 匹配范围过大时,先检查量词是否过于贪婪。
  • 懒惰量词是在原量词后添加问号。
  • 更精确的字符类通常比任意字符懒惰匹配更稳定。
  • 复杂标记语言不要依赖正则完整解析。

常见错误

1. 把问号单独理解为懒惰

只有问号紧跟在另一个量词后时,才表示懒惰形式。

2. 认为懒惰一定更快

懒惰量词同样可能反复扩展和回溯。

3. 用任意字符解析复杂嵌套结构

嵌套标签和转义内容应交给专用解析器。

本课练习

  1. 从多个简单标签中对比贪婪和懒惰结果。
  2. 提取一行中多个双引号字符串。
  3. 将任意字符懒惰模式改写为更精确的排除型字符类。
  4. 说明懒惰匹配为什么仍可能回溯。
按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

贪婪与懒惰匹配

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通