匹配HTML标记的正则表达式:< (S*?)[^>]*>.*?|< .*? />
这个是网上看到的 我想问下*?的组合是什么意思
单独的*或者?我知道,两个合起来写就不明白了.
当重复后加一个?号,即表示为懒惰匹配,默认为贪婪匹配
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)。
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。
表5.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 |
说人话:
当重复后加一个?号,即表示为懒惰匹配,默认为贪婪匹配
组合使用的时候 “?” 起到的效果是惰性匹配,尽可能少的重复上一个字符的规则。 比如 “a.*?b” 那么会把 “aabab”仅会匹配到“aab”
举例:
字符串"abc第二个cd"
用 ab.*c匹配 可得 "abc第二个c" ,即为贪婪模式,尽可能多的匹配,正则默认是此模式
用 ab.*?c匹配 可得 "abc" ,即为非贪婪模式,尽可能少的匹配