22、正则表达式中的贪婪、懒惰与回溯机制解析

最新推荐文章于 2025-12-19 14:09:09 发布
最新推荐文章于 2025-12-19 14:09:09 发布
阅读量39 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 精通正则表达式：文本处理的艺术与科学 文章标签： 正则表达式 贪婪量词 懒惰量词
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/bean/article/details/149385684

正则表达式中的贪婪、懒惰与回溯机制解析

1. 闭合分隔符问题与否定类的局限性

在处理正则表达式时，当闭合分隔符包含多个字符时，不能像处理双引号字符串那样使用否定类来解决问题。例如，类似 <B>[^</B>]+</B> 这样的表达式是无法正常工作的。因为字符类仅代表一个字符，而非完整的 </B> 序列。 [^</B>] 只是一个匹配单个字符的类，匹配除 < 、 > 、 / 和 B 之外的任意字符，它并不等同于“除 </B> 之外的任何内容”。

2. 使用懒惰量词

标准量词是贪婪的，这会引发一些问题。不过，部分 NFA 支持懒惰量词，如 +? 是 + 的懒惰版本。下面通过具体例子来理解懒惰量词的工作原理。

示例 1

对字符串 ...<B>Billions</B> and <B>Zillions</B> of suns... 应用 <B>.+?</B> 正则表达式：
1. 初始 <B> 匹配成功后， .+? 由于是懒惰的，它认为不需要匹配任何内容，于是

订阅专栏 解锁全文 会员秒杀 ¥9.9 重磅福利 超级会员免费看
正则表达式(.*?)惰性匹配()
乐于分享，共同成长
12-13 4万+
没什么可说的看这儿就行了，，特别是最后一条。 1、. 匹配任意除换行符“\n”外的字符； 2、*表示匹配前一个字符0次或无限次； 3、+或*后跟？表示非贪婪匹配，即尽可能少的匹配，如*？重复任意次，但尽可能少重复； 4、 .*? 表示匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。 如：a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab.........
正则表达式懒惰模式(.*? .+?)
mfkjq的专栏
05-30 6878
后边多一个？表示懒惰模式。 必须跟在*或者+后边用\s匹配任意的空白符（包括空格，制表符(Tab)，换行符，中文全角空格）\S则是任意不是空白符的字符?涉及到贪婪模式当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。以这个表达式为例：a.*b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aab...
掌握正则表达式的贪婪与懒惰模式
weixin_35045970的博客
04-29 589
本文深入解析了正则表达式中贪婪模式和懒惰模式的机制及其在实际应用中的差异。通过实例和代码示例，展示了如何在不同场景下选择和应用这两种模式，以达到精确匹配和优化搜索性能的目的。
24、正则表达式：贪婪、回溯与匹配机制深度解析
s8t9u0v1w的博客
06-10 84
本文深度解析了正则表达式的贪婪匹配、回溯机制以及不同引擎下的匹配行为，重点讨论了原子分组与占有量词的区别、环视结构的实现原理、交替结构的有序性与贪婪性、NFA/DFA/POSIX引擎的匹配规则差异等内容。同时结合实际应用场景，介绍了如何优化正则表达式以提高匹配效率，并提供了不同编程语言中正则表达式的使用示例。适合希望深入理解正则表达式底层机制和提升文本处理能力的开发者阅读。
22、正则表达式匹配中的回溯与贪婪性解析
s8t9u0v1w的博客
06-08 49
本文深入解析了正则表达式中的回溯与贪婪性，详细介绍了它们的机制和对匹配效率的影响。通过多个示例说明了在不同场景下如何合理使用贪婪与懒惰量词，并提供了避免常见问题的解决方案。同时探讨了NFA与DFA引擎的差异及优化正则表达式性能的实用技巧。
23、正则表达式中的贪婪、懒惰与回溯机制深度解析
earth的博客
10-30 15
本文深入解析正则表达式中的贪婪与懒惰匹配、回溯机制及其对匹配结果的影响，探讨了在处理双引号文本和HTML标签等场景下的常见问题。通过否定类、懒惰量词、负向前瞻、原子分组和占有量词等多种技术手段的对比分析，展示了如何精准控制匹配行为，避免错误匹配，并提升匹配效率。文章结合流程图与实例，系统性地总结了复杂正则表达式的设计原则与最佳实践。
22、正则表达式回溯机制与贪婪性解析
earth的博客
10-29 13
本文深入解析了正则表达式的回溯机制与贪婪性，通过形象的类比和详细示例说明了NFA引擎在匹配过程中的状态保存与回溯行为。涵盖了贪婪与懒惰量词的选择原则、不同量词（如?, +, *）的回溯特性，并结合实际应用场景如数据提取、语法检查和日志分析展示了回溯的作用。同时探讨了NFA与DFA引擎在处理回溯时的差异，提出了避免性能问题的优化策略，帮助开发者编写更高效、准确的正则表达式。
23、正则表达式中的贪婪、懒惰与回溯深入解析
lg888的博客
10-25 14
本文深入解析了正则表达式中的核心概念，包括贪婪与懒惰匹配、回溯机制、原子分组和占有量词的工作原理。通过实际案例分析，如双引号文本提取、HTML标签处理和价格格式化问题，揭示了不同匹配模式对结果的影响。文章还介绍了如何利用否定字符类和负向前瞻优化匹配精度，并对比了主流正则表达式风格对各项特性的支持情况。最后提供了正则表达式优化原则与调试技巧，帮助开发者编写高效、准确的正则表达式。
22、正则表达式处理中的回溯与贪婪性解析
nginx7reverse的博客
10-30 8
本文深入解析正则表达式中的回溯机制与贪婪性、懒惰性的相互作用，通过多个实例分析了过度匹配、错误回溯等问题的成因及解决方案。重点介绍了如何使用否定字符类、懒惰量词和负向前瞻等技术优化匹配逻辑，并提供了针对双引号文本、HTML标签、电子邮件验证等实际场景的正则表达式应用案例。文章强调整体匹配优先原则，帮助读者理解并避免因回溯导致的性能问题和意外匹配结果。
Qt基础篇：正则表达式基础知识&&QRegularExpression用法
欧特GO
12-17 560
本文重点介绍了正则表达式基础知识点和实用场景代码。正则表达式是用于字符串匹配的逻辑公式，由普通字符和元字符组成。基础语法包括字符匹配、限定符控制出现次数、字符类定义范围、分组捕获子串等。常用场景如邮箱验证（匹配用户名@域名格式）和手机号验证（1开头+特定数字组合）。正则表达式能高效处理文本查找、替换和验证任务，是编程中强大的文本处理工具。
【RegExp】正则表达式 - 基础语法
Tranquil_ovo的博客
12-16 1075
正则表达式基础
Jmeter性能测试-用正则表达式取关联参数：单个正则模版和多个正则模版
chang_jinling的专栏
12-19 155
Python的正则表达式如何做数据校验
得塔云的博客
12-16 595
本文介绍了如何使用Python正则表达式进行数据校验。重点讲解了re.fullmatch()方法在验证完整字符串匹配时的优势，并通过三个常见案例(邮箱、手机号和用户名)展示了正则表达式的应用。文章强调使用原始字符串r""定义模式，并建议从简单模式开始逐步完善。最后推荐了在线工具regex101.com来辅助调试复杂的正则表达式。掌握这些技巧可以大幅提升数据校验的效率和准确性。
【JavaSE】Stream API && Optiona类 && 正则表达式
lirendada的博客
12-18 805
本文介绍了Java 8 Stream API和Optional类的核心用法。Stream API分为创建、中间操作和终止操作三类，支持链式调用和延迟执行，提供丰富的集合处理功能。Optional类用于安全处理可能为null的值，通过明确的方法避免空指针异常。文中详细列举了Stream的创建方式、中间操作方法（如filter、map等）和终止操作方法（如collect、reduce等），以及Optional的常用方法（如ofNullable、orElse等），帮助开发者更优雅地处理集合和空值问题。
Python的正则表达式入门：从小白到能手
得塔云的博客
12-16 764
别被这个名字吓到。你可以把它想象成一种描述文本模式的“语法”。就像我们用号在文件搜索里代表“任意多个字符”一样，正则表达式也有一套自己的特殊符号，用来定义一个“模式”（Pattern）。然后，我们可以用这个“模式”去匹配、查找、替换符合规则的文本。它就像一个为文本定制的“搜索引擎”，强大到超乎想象。正则表达式初看起来像一堆乱码，但一旦你掌握了它的基本语法，就会发现它处理文本的强大能力。给新手的建议不要贪多求全：先掌握?[]\d\w这些最常用的。动手实践。
【嵌入式AIoT】系统架构与轻量化模型部署：面向智能家居与工业监测的边缘智能终端实战设计
12-21
内容概要：本文系统介绍了嵌入式AIoT应用场景的实战方法与实践路径，涵盖从场景选择、系统架构设计到AI模型部署、通信与数据管理的全流程。重点阐述了嵌入式系统与人工智能、物联网技术的融合，强调在资源受限环境下实现感知、分析与决策一体化的智能终端系统。文章详细解析了感知层、边缘计算层和云端服务层的协同机制，突出边缘侧数据处理与轻量化AI模型优化的重要性，并倡导以实际需求为导向，避免“为AI而AI”的设计误区。同时，强调系统稳定性、远程维护和长期运行能力的建设。; 适合人群：具备嵌入式系统基础、物联网或AI相关背景，有一定开发经验的工程师或工作1-3年的技术研发人员；适用于希望深入理解AIoT系统集成与实战落地的学习者。; 使用场景及目标：①智能家居、工业监测、智慧农业等分布式智能系统开发；②在算力、功耗受限的嵌入式设备上实现AI推理与边缘智能；③构建高效、可靠、可维护的端云协同AIoT系统。; 阅读建议：建议结合实际硬件平台进行项目化学习，边学边练，重点关注系统架构设计、模型优化与通信协议选型，注重整体系统思维的培养，而非仅关注单一技术点。
基于Python 的UART 文件传输工具
最新发布
12-21
基于Python 的UART 文件传输工具，基于Pyside6的GUI界面
C# 基于 Onnx 与 P2PNet 的人群检测与计数系统源码实现
12-21
基于C#编程语言与Onnx运行时环境，本文档详细阐述了一种利用P2PNet架构实现人群密度估计与个体计数的技术方案。该方案通过解析预训练模型，实现了对图像或视频流中人群分布的精准检测，并提供了可靠的计数功能。核心内容包括模型加载与推理流程的完整实现、数据处理管道的构建以及性能优化策略的探讨。本文旨在为相关领域的开发人员提供一个清晰、可复现的参考实现，着重于工程实践的严谨性与代码模块的可用性。所有实现代码均经过结构化组织与详细注释，以确保其易于理解与集成。 资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！
Theoretical Machine Learning Notes (Princeton COS511)
12-21
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结（summarization） 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签，可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
PHP正则表达式中的贪婪模式解析与应用
本文件标题“php代码-正则表达式贪婪模式”明确指出了本次学习的核心知识点——**正则表达式的贪婪模式（Greedy Mode）及其在PHP中的具体实现与应用**。结合描述与标签信息，我们可以深入探讨正则表达式的基本构成、...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值