如何用正则表达式的贪婪和懒惰模式匹配长尾词？

本文共计1052个文字，预计阅读时间需要5分钟。

正则表达式贪婪匹配模式，对于初学者，往往也容易出错。有时需要匹配一段代码内容，发现匹配结果与预期不一致。这可能与贪婪模式有关。例如，以下例子：

+ 什么是贪婪？

贪婪匹配是指正则表达式在匹配时，总是尽可能多地匹配字符。与它相对的是非贪婪匹配，后者尽可能少地匹配字符。

在正则表达式中，贪婪匹配通常通过在量词后面加上一个问号来实现，例如：

* .*

这个表达式会尽可能多地匹配任意字符。如果使用贪婪匹配，那么 abc 会匹配 a，abc 会匹配 abc，而 aabc 会匹配 aabc。

然而，有时候我们可能不希望贪婪匹配，而是希望尽可能少地匹配字符。这时，可以使用非贪婪匹配，例如：

* .*?

这个表达式会尽可能少地匹配任意字符。使用非贪婪匹配，abc 会匹配 a，abc 会匹配 ab，而 aabc 会匹配 aa。

正则表达式贪婪匹配模式，对于初学者，往往也很容易出错。有时候需要匹配一个段代码内容，发现匹配与想要不一致。发现原来，跟贪婪模式有关系。如下，我们看下例子：

什么是贪婪模式
字符串有: “<h3>abd</h3><h3>bcd</h3>”，我们想匹配<h3>…</h3>内容，正则表达式如下：

1、h3开头与结尾，”<h3>待添加</h3>” <h3></h3>都作为普通字符

2、中间可以出现任意字符，个数可以是0个或者多个，正则表达式可以用：.* ，“.”代表任意字符，默认模式不匹配换行,”*” 重复前面字符0个或者多个。

3、最终我们考虑结果将是：”<h3>.*</h3>” ，也可以是：”<h3>.{0,}</h3>” ｛｝代表，重复前面指定个数字符，以下用到是，正则表达式调试工具截图，软件可以看：正则表达式工具推荐（学习工具、测试工具）

2种结果都一样，这是我们不希望得到的，我们希望从左边开始，第一个出现</h3>，就开始匹配。以上这种模式，是贪婪模式，也是正则表达式默认以这个方法匹配。表示重复字符，操作符，默认都是贪婪模式，如：.*,.+,.{1,},.{0,} 都会匹配最大长度字符。正则表达式元字符，量词默认首先最大匹配字符串，这些量词有：+,*,?,{m,n} 。一开始匹配，就直接匹配到最长字符串。

什么是懒惰模式
既然上面几种，表示字符重复个数，元字符默认都是贪婪模式。如果，我们需要最小长度匹配，也就是懒惰模式，怎么样写正则表达式呢？其实，正则表达式里面通用方法是，在表示重复字符元字符，后面加多一个”?”字符即可。上面正则表达式可以写成：”<h3>.*?</h3>”，或者”<h3>.{0,}?</h3>” 都可以。

懒惰模式，就匹配到我们需要字符串了。

总结：正则表达式，表示字符串重复个数元字符，'?,+,*,{}' 默认都会选择贪婪模式，会最大长度匹配字符串，而要切换到懒惰模式，就只是在该元字符，后面加多一个”?” 即可切换到非贪婪模式（懒惰模式）。