重復(fù)/量詞

重復(fù)次數(shù)是通過量詞指定的,可以緊跟在下面元素之后:

  • 單獨(dú)的字符, 可以是經(jīng)過轉(zhuǎn)義的
  • 元字符。
  • 字符類
  • 后向引用(參加下一部分)
  • 子組(除非它是一個(gè)斷言,參考下文)

一般的重復(fù)量詞指定了一個(gè)最小數(shù)值和一個(gè)最大數(shù)值的匹配次數(shù), 通過花括號(hào)包裹兩個(gè)數(shù)字,兩個(gè)數(shù)字之間用逗號(hào)隔開的語法定義。 兩個(gè)數(shù)值都必須小于 65536, 并且第一個(gè)數(shù)字必須小于等于第二個(gè)。 比如: z{2,4} 匹配 ”zz”, “zzz”, “zzzz”。 單個(gè)的右花括號(hào)不是特殊字符。 如果第二個(gè)數(shù)字被省略,但是逗號(hào)仍然存在,就代表沒有上限; 如果第二個(gè)數(shù)字和逗號(hào)都被省略,那么這個(gè)量詞就限定的是一個(gè)確定次數(shù)的匹配。 比如 [aeiou]{3,} 匹配至少三個(gè)連續(xù)的元音字母,但是同時(shí)也可以匹配更多, 而 \d{8} 則只能匹配 8 個(gè)數(shù)字。 左花括號(hào)出現(xiàn)在不允許使用量詞的位置或者與量詞語法不匹配時(shí), 被認(rèn)為是一個(gè)普通字符,對(duì)它自身進(jìn)行原文匹配。 比如,{,6}就不是一個(gè)量詞, 會(huì)按照原文匹配四個(gè)字符 ”{,6}”。

量詞 {0} 是被授權(quán)的,它會(huì)導(dǎo)致的行為是認(rèn)為前面的項(xiàng)和量詞不存在。

為了方便(以及歷史的兼容性),最常用的三個(gè)量詞都有單字符縮寫。

單字符量詞
* 等價(jià)于 {0,}
+ 等價(jià)于 {1,}
? 等價(jià)于 {0,1}

可以通過一個(gè)不匹配任何字符的子模式后面緊跟一個(gè)匹配 0 或多個(gè)字符的量詞 來構(gòu)造一個(gè)沒有上限的無限循環(huán)。比如: (a?)*

早期版本的 Perl 和 PCRE 對(duì)于這種模式會(huì)在編譯期得到一個(gè)錯(cuò)誤。然而, 由于這在某些情況下是有用的,因此現(xiàn)在也接受這種模式了, 但是如果任何子模式的重復(fù)確實(shí)匹配不到任何字符,循環(huán)會(huì)被強(qiáng)制跳出。

默認(rèn)情況下,量詞都是”貪婪”的,也就是說, 它們會(huì)在不導(dǎo)致模式匹配失敗的前提下,盡可能多的匹配字符(直到最大允許的匹配次數(shù))。 這種問題的典型示例就是嘗試匹配C語言的注釋。 出現(xiàn)在 /* 和 */ 之間的所有內(nèi)容都被認(rèn)為是注釋, 在注釋中間, 可以允許出現(xiàn)單獨(dú)的 * 和 /。 對(duì) C 注釋匹配的一個(gè)嘗試是使用模式 /\*.*\*/ , 假設(shè)將此模式應(yīng)用在字符串 ” /* first comment*/ not comment /*second comment*/” 它會(huì)匹配到錯(cuò)誤的結(jié)果,也就是整個(gè)字符串, 這是因?yàn)榱吭~的貪婪性導(dǎo)致的,它會(huì)嘗試盡可能多的匹配字符。

然而,如果一個(gè)量詞緊跟著一個(gè) ?(問號(hào)) 標(biāo)記,它就會(huì)成為懶惰(非貪婪)模式, 它不再盡可能多的匹配,而是盡可能少的匹配。 因此模式 /\*.*?\*/ 在 C 的注釋匹配上將會(huì)正確的執(zhí)行。 各個(gè)量詞自身的意義并不會(huì)改變,而是由于加入了 ? 使其首選的匹配次數(shù)發(fā)生改變。 不要將 ? 的這個(gè)用法和它作為量詞的用法混淆。因?yàn)樗謨煞N用法, 因此有時(shí)它會(huì)出現(xiàn)量詞,比如 \d??\d 會(huì)更傾向于匹配一個(gè)數(shù)字, 但同時(shí)如果為了達(dá)到整個(gè)模式匹配的目的,它也可以接受兩個(gè)數(shù)字的匹配。譯注:以模式 \w\d??\d\w 為例,對(duì)于字符串 ”a33a”,雖然 \d?? 是非貪婪的, 但由于如果使用貪婪會(huì)導(dǎo)致整個(gè)模式不匹配,所以, 最終它選擇的仍然是匹配到一個(gè)數(shù)字。

如果 PCRE_UNGREEDY 選項(xiàng)被設(shè)置(一個(gè)在 perl 中不可用的選項(xiàng)), 那么量詞默認(rèn)情況下就是非貪婪的了。但是, 單個(gè)的量詞可以通過緊跟一個(gè) ? 來使其成為貪婪的。換句話說, PCRE_UNGREEDY 這個(gè)選項(xiàng)逆轉(zhuǎn)了貪婪的默認(rèn)行為。

量詞后面緊跟一個(gè) ”+” 是”占有”性。它會(huì)吃掉盡可能多的字符, 并且不關(guān)注后面的其他模式,比如 .*abc 匹配 ”aabc”, 但是 .*+abc 不會(huì)匹配, 因?yàn)?.*+ 會(huì)吃掉整個(gè)字符串,從而導(dǎo)致后面剩余的模式得不到匹配。 可以使用占有符 (+) 修飾量詞來達(dá)到提升速度的目的。

當(dāng)一個(gè)子組受最小數(shù)量大于 1 或有一個(gè)最大數(shù)量限制的量詞修飾時(shí), 按照最小或最大的數(shù)量的比例需要更多的存儲(chǔ)用于編譯模式。

如果一個(gè)模式以 .* 或 .{0,} 開始并且 PCRE_DOTALL 選項(xiàng)開啟(等價(jià)于 Perl 的 /s), 也就是允許 . 匹配換行符,那么模式會(huì)隱式的緊固,因?yàn)椴还茉趺礃樱? 接下來都會(huì)對(duì)目標(biāo)字符串中的每個(gè)字符位置進(jìn)行嘗試,因此在第一次之后, 在任何位置都不會(huì)有一個(gè)對(duì)所有匹配重試的點(diǎn)。 PCRE 會(huì)想對(duì)待 \A 一樣處理這個(gè)模式。 在我們已知目標(biāo)字符串沒有包含換行符的情況下, 當(dāng)模式以 .* 開始的時(shí)候我們?yōu)榱双@得這個(gè)優(yōu)化,值得設(shè)置 PCRE_DOTALL, 或者選擇使用 ^ 明確指明錨定。

譯注:這里的優(yōu)化指模式不匹配之后,不會(huì)回頭再來查找下一個(gè)位置, 比如沒有設(shè)置 PCRE_DOTALL,并且目標(biāo)字符串第一個(gè)字符時(shí)換行符, 那么模式嘗試第一個(gè)字符,發(fā)現(xiàn)不匹配, 會(huì)重新用模式從第二個(gè)字符位置開始進(jìn)行嘗試。 而使用了PCRE_DOTALL后, 是肯定匹配的….同理,當(dāng)使用了 ^ 或者 /A的限定是,模式一旦不匹配,都可以直接退出, 而不用在目標(biāo)字符串下一個(gè)位置再一次開始整個(gè)模式的匹配。

當(dāng)一個(gè)捕獲子組時(shí)重復(fù)的時(shí),捕獲到的該子組的結(jié)果是最后一次迭代捕獲的值。比如, (tweedle[dume]{3}\s*)+ 匹配字符串 ”tweedledum tweedledee”, 得到的的子組捕獲結(jié)果是 ”tweedledee”。然而,如果是嵌套的捕獲子組, 相應(yīng)的捕獲值可能會(huì)被設(shè)置到之前的迭代中。 比如, /(a|(b))+/ 匹配字符串 ”aba”, 第二個(gè)捕獲子組得到的結(jié)果會(huì)是 ”b”。譯注:以例子說明, b 是第二個(gè)子組最后一次捕獲到的結(jié)果,所以, 第二個(gè)子組最后結(jié)果是 b, 這是符合”然而”之前描述的規(guī)則的。