一起学习正则表达式（二）量词与贪婪
思维导图
转载请注明出处：https://www.jianshu.com/p/0e0dc45c2548
本文出自 容华谢后的博客
往期回顾：
0.写在前面
在上一篇文章中，我们学习了正则的一些基础元字符，相信大家都已经忘却的差不多了，可以点击上面的链接再温习下。
今天我们一起来学习下正则中量词的三种匹配模式，贪婪模式、非贪婪模式、独占模式，这些模式会改变正则中量词的匹配行为，是每次贪婪的匹配到更多呢，还是不贪婪见好就收呢，如果不了解这些，我们写出的正则很可能是错误的，甚至会引发严重的线上性能问题。
1.量词
本篇文章所讲的内容和量词关系比较密切，先回顾下：
量词
我们还可以用 {m,n} 的方式来表示 * + ? 这3种元字符：
| 元字符 | 同义表示方法 | 示例 |
|---|---|---|
| * | {0,} | ab* 可以匹配 a 或者 abb |
| + | {1,} | ab+ 可以匹配 ab 或者 abb 但不能匹配 a |
| ? | {0,1} | ab? 可以匹配 a 或者 ab 但不能匹配 abb |
2.贪婪模式前传
在正则中，表示次数的量词默认是贪婪的，在贪婪模式下，会尽可能最大长度的去匹配目标字符串，我们用正则 a+ 和 a* 来匹配字符串 aaabb 测试一下。
2.1 使用 a+ 进行匹配
可以看到只匹配到了1个结果 aaa
a+匹配
对应的 Python 代码如下：
import re
print(re.findall(r'a+', 'aaabb'))
输出：['aaa']
2.2 使用 a* 进行匹配
可以看到匹配到了4个结果，其中还有3个是空字符串
a*匹配.png
对应的 Python 代码如下：
import re
print(re.findall(r'a*', 'aaabb'))
输出：['aaa', '', '', '']
为什么会匹配到空字符串呢？因为星号（*）代表匹配0到多次，匹配0次就是空字符串，那前面还有个 aaa 呢，为什么 aaa 之间的空字符串没有被匹配到？
这就引入到了我们今天要讲的，贪婪模式与非贪婪模式，从字面上很好理解，贪婪模式就是尽可能多的匹配，非贪婪模式就是尽可能少的匹配。
3.贪婪模式
一起来分析下上面正则 a* 的匹配过程：
| 字符串 | a | a | a | b | b | 空字符串 |
|---|---|---|---|---|---|---|
| 下标 | 0 | 1 | 2 | 3 | 4 | 5 |
| 匹配 | 开始 | 结束 | 说明 | 匹配内容 |
|---|---|---|---|---|
| 第一次 | 0 | 3 | 到第一个字母b发现不匹配，输出aaa | aaa |
| 第二次 | 3 | 3 | 匹配剩下的bb，发现匹配不上，输出空字符串 | 空字符串 |
| 第三次 | 4 | 4 | 匹配剩下的b，发现匹配不上，输出空字符串 | 空字符串 |
| 第四次 | 5 | 5 | 匹配剩下的空字符串，输出空字符串 | 空字符串 |
a* 在匹配字符串 aaabb 时，会尽可能多的把前面的 a 都匹配上，直到第一个字母 b 不满足要求为止，匹配上3个 a，后面每次匹配的都是空字符串。
看到这里，相信你已经对贪婪模式有了更深的印象，贪婪模式的特点就是尽可能进行最大长度匹配，就是有多少要多少，下面我们在一起来看下与它完全相反的匹配模式。
4.非贪婪模式
上面讲完了贪婪模式，贪婪模式是尽可能最大长度匹配，非贪婪模式就是尽可能最小长度匹配，在量词的后面加一个问号（?），就成了非贪婪模式，比如 a*?
非贪婪匹配
对应的 Python 代码如下：
import re
// 贪婪匹配
print(re.findall(r'a*', 'aaabb'))
输出：['aaa', '', '', '']
// 非贪婪匹配
print(re.findall(r'a*?', 'aaabb'))
输出：['', 'a', '', 'a', '', 'a', '', '', '']
学完了贪婪模式与非贪婪模式，你可能会问，我什么情况下会用到呢，下面举个栗子感受下：
贪婪匹配例子
非贪婪匹配例子
需求是查找一段字符串中，所有双引号括起来的内容，上面使用贪婪匹配与非贪婪匹配的对比，差别很明显对吧。
5.独占模式
不管是贪婪模式，还是非贪婪模式，匹配过程中都需要发生回溯才能完成想要的功能，但是在有一些场景，我们不需要回溯，匹配不上直接返回失败就可以了，因此正则匹配中还有另外一种模式，独占模式，它和贪婪模式很像，但匹配过程中不会发生回溯，在一些使用场景中性能会更好。
先来讲讲什么是回溯，再举个栗子，有一个正则表达式和目标字符串,我们分别看下在三种匹配模式下都发生了什么：
5.1 贪婪匹配过程
正则表达式：ab{1,3}c
目标字符串：abbc
在匹配时，b{1,3} 会尽可能长的去匹配目标字符串，匹配完 abb 之后，因为要尽可能长的匹配（3个 b），目标字符串中的c就会匹配不上，这个时候会发生向前回溯，吐出当前字符 c，用正则中的 c 去匹配，匹配成功。
贪婪匹配过程
import regex
print(regex.findall(r'ab{1,3}c', 'abbc'))
输出：['abbc']
5.2 非贪婪匹配过程
正则表达式：ab{1,3}?c
目标字符串：abbc
在匹配时，b{1,3} 会尽可能短的去匹配目标字符串，匹配完 ab 之后，会直接用正则 c 去匹配目标字符串剩下的 b，匹配不上，发生向前回溯，重新用正则 b{1,3} 匹配 目标字符串剩下的 b，然后正则 c 匹配 目标字符串剩下的 c，匹配成功。
非贪婪匹配过程
import regex
print(regex.findall(r'ab{1,3}?c', 'abbc'))
输出：['abbc']
5.3 独占匹配过程
在量词后面加上 + 就是独占模式。
正则表达式：ab{1,2}+bc
目标字符串：abbc
在匹配时，b{1,2} 会尽可能长的去匹配目标字符串，匹配完 abb 之后，会用正则 b 匹配目标字符串剩下的 c，匹配不上，不回溯，匹配失败。
独占匹配过程
import regex
print(regex.findall(r'ab{1,2}+bc', 'abbc'))
输出：[]
6.写在最后
最后在总结下上面讲到的内容：
思维导图
到这里，正则表达式的量词与贪婪就讲完了，如果有问题可以给我留言评论，谢谢。
正则表达式在线校验工具：https://regex101.com/
