5.3 防止过度匹配

- · - ·

• 玩转正则表达式

? 只能匹配零个或一个字符， {n} 和 {m,n} 也有一个重复次数的上限；换句话说，这几种语法所定义的重复次数都是有限的。但 * 和 + 都是没有重复次数限制的，这样就会出现过度匹配的的现象。

到目前为止，我们选用的例子都不存在过度匹配的问题，但请尝试下面的例子：

正则表达式替换全局(g)忽略大小写(i)点匹配换行符(s)Unicode(u)分行(m)

<b>.*</b>

匹配文本 (1)在工具中查看

这<b>是粗体</b>，这<b>也是粗体</b>

我们本意是要使用 <b>.*</b> 匹配“<b>是粗体</b>“和”<b>也是粗体</b>”两个结果，但结果却把“<b>”到最后一个“</b>”之间的所有内容全部匹配了出来。虽然我们需要的内容已经被匹配了出来，但我们不需要的“，这”也被同时匹配了出来，这就是过度匹配。

为什么会这样？因为 * 、 + 和 {n,} 都是“贪婪型”的元字符(模式)，它们在进行匹配时会多多益善而不是适可而止。它们会尽可能地从一段文本的开头一直匹配到这段文本的未尾，而不是从这段文本的开头匹配到第一个匹配时为止。

在不需要这种“贪婪行为”的时候该怎么办？答案是使用这些元字符的“懒惰型”版本，“懒惰型”版本的匹配行为和贪婪匹配行为相反，懒惰匹配会尽可能匹配最少的字符。

要如何进入懒惰匹配呢？只需要在 * 、 + 、 {n,} 后面添加一个 ? ，看下面这个例子：

正则表达式替换全局(g)忽略大小写(i)点匹配换行符(s)Unicode(u)分行(m)

<b>.*?</b>

匹配文本 (2)在工具中查看

这<b>是粗体</b>，这<b>也是粗体</b>

这个例子比上面的例子中的模式在 .* 后面多了一个 ? ，匹配结果正是我们需要的两个结果。

注意

教程里面的大多数例子使用的都是”贪婪型“的模式，这么做的出发点是为了让那些示例模式尽可能的简明易懂。在实际工作中，请务必根据具体情况来使用”贪婪型“或”懒惰型“模式。