在正则表达式的上下文中，'lazy'和'greedy'是什么意思?

来自正则表达式

regular中的标准量词表达式是贪婪的，这意味着它们尽可能多地匹配，只给予回视需要进行匹配正则表达式的剩余部分。通过使用惰性量词，的表达式尝试最小匹配第一。

贪婪意味着你的表达式将匹配尽可能大的组，懒惰意味着它将匹配尽可能小的组。对于这个字符串:

abcdefghijklmc

这个表达式是:

a.*c

贪婪匹配将匹配整个字符串，而懒惰匹配将只匹配第一个abc。

'Greedy'表示匹配最长的字符串。

'Lazy'表示匹配最短的字符串。

例如，贪婪的h.+l匹配'hello'中的'hell'，但懒惰的h.+?L和“hel”匹配。

来自正则表达式

regular中的标准量词表达式是贪婪的，这意味着它们尽可能多地匹配，只给予回视需要进行匹配正则表达式的剩余部分。通过使用惰性量词，的表达式尝试最小匹配第一。

贪婪匹配。正则表达式的默认行为是贪婪的。这意味着它会尝试提取尽可能多的数据，直到它符合某个模式，即使在语法上只需要较小的部分就足够了。

例子:

import re
text = "<body>Regex Greedy Matching Example </body>"
re.findall('<.*>', text)
#> ['<body>Regex Greedy Matching Example </body>']

它提取了整个字符串，而不是直到' > '第一次出现才匹配。这是regex默认的贪婪或“全部拿走”行为。

另一方面，懒惰匹配“需要的越少越好”。这可以通过添加一个?在图案的最后。

例子:

re.findall('<.*?>', text)
#> ['<body>', '</body>']

如果只希望检索第一个匹配项，则使用search方法。

re.search('<.*?>', text).group()
#> '<body>'

来源:Python Regex Examples

贪婪的人会尽可能多地消费。在http://www.regular-expressions.info/repeat.html中，我们看到了试图将HTML标记与<.+>匹配的示例。假设你有以下情况:

<em>Hello World</em>

你可能认为…+ >(。表示任何非换行符，+表示一个或多个)将只匹配<em>和</em>，而实际上它将非常贪婪，并从第一个<到最后一个>。这意味着它将匹配<em>Hello World</em>，而不是你想要的。

将其设置为惰性(<.+?>)将防止这种情况。通过添加?在+之后，我们告诉它重复尽可能少的次数，所以它遇到的第一个>就是我们想要停止匹配的地方。

我鼓励你下载RegExr，这是一个很好的工具，可以帮助你探索正则表达式——我一直在用它。

推荐文章