正则表达式懒惰匹配

为什么第一个匹配是aab（第一到第三个字符）而不是ab（第二到第三个字符）？简单地说，因为正则表达式有另一条规则，比懒惰／贪婪规则的优先级更高：最先开始的匹配拥有最高的优先权——The match that begins earliest wins。

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。考虑这个表达式：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aabab。这被称为贪婪匹配。

有时，我们更需要懒惰匹配，也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号?。这样.*?就意味着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。现在看看懒惰版的例子吧：

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（第一到第三个字符）和ab（第四到第五个字符）。

表1.懒惰限定符代码/语法说明*?重复任意次，但尽可能少重复+?重复1次或更多次，但尽可能少重复??重复0次或1次，但尽可能少重复{n,m}?重复n到m次，但尽可能少重复{n,}?重复n次以上，但尽可能少重复
 

忽略优先量词

量词"*?"、"+?"、"??"、"{n,m}?"、"{n,}?"都属于忽略优先量词，忽略优先量词使用的是在?、+、*、{}后面添加?组成的，忽略优先在匹配的时候首先会尝试忽略，如果失败后回溯才会选择尝试。比如`ab??`匹配“abb”会得到‘a’而不是“ab”。当引擎匹配成功a后，由于是忽略优先，引擎首先选择不匹配b，继续查看表达式，发现表达式结束了，那么引擎就直接上报匹配成功。具体我们通过下面的例子一步一步说明忽略优先量词工作原理。

例子

还是上面的例子，用"/_\w*?_/"匹配"_abc_123_" 中 第一对"_"之间的字符。

开始匹配第一个'_'之后，‘\w*?’首先决定不需要匹配任何字符，因为它是忽略优先量词，这时候就拿表达式'/_\w*?_/'中的第二个'_'（'\w*?'后面的'_'）和目标串'_abc_123_'中的'a'匹配，匹配失败，这时候才会拿'\w*?'去尝试未匹配的分支（使用\w匹配a，尝试匹配a成功）

下一步，是尝试匹配，还是忽略呢？因为'\w*?'是忽略优先量词，会选择忽略，那么就是重复上一步，'_'匹配b失败，'\w*?'去尝试未匹配的分支ab，以上步骤总共重复了3次后（直到表达式'\w*?'后面的'_'和目标串第二个'_'匹配），最终匹配出'abc'。

过程（开始匹配第一个'_'之后）：

• 表达式/_\w*?_/'中的第二个'_'和目标串'_abc_123_'中的'a'匹配，匹配失败，'\w*?'尝试匹配目标串'_abc_123_'中的'a'，匹配成功。
• 表达式/_\w*?_/'中的第二个'_'和目标串'_abc_123_'中的'b'匹配，匹配失败，'\w*?'尝试匹配目标串'_abc_123_'中的'ab'，匹配成功。
• 表达式/_\w*?_/'中的第二个'_'和目标串'_abc_123_'中的'c'匹配，匹配失败，'\w*?'尝试匹配目标串'_abc_123_'中的'abc'，匹配成功。
• 表达式/_\w*?_/'中的第二个'_'和目标串'_abc_123_'中的'_'匹配，匹配成功，匹配结束。结果为abc。