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
- 星号、加号和花括号量词默认是贪婪的。
- 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。
- 在量词后添加问号可切换为懒惰形式。
- 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。
- 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.pypython
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
- 从多个简单标签中对比贪婪和懒惰结果。
- 提取一行中多个双引号字符串。
- 将任意字符懒惰模式改写为更精确的排除型字符类。
- 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。