JDK提供三种匹配模式,分别是:贪婪模式(greedy),勉强模式(reluctant)和占有模式(possessive),分别对应三种占有量词,其中贪婪模式是默认的模式,勉强模式通过在表达式后面加一个?来表示。占有模式通过在表达式后面加一个+来表示。
三种模式的含义是什么呢?
贪婪模式的含义是:尽可能多的匹配,同时也尽量满足整体匹配。
勉强模式的含义是:尽可能少的匹配,同时也尽量满足整体匹配。
占有模式的含义是:尽可能多的匹配,如果因为匹配多了导致整理无法匹配,那么也不会回溯。
比如有个字符串如下:
/m/t/wd/nl/n/p/m/wd/nl/n/p/m/wd/nl/n/p/m/v/n
贪婪模式的表达式匹配:
/m/t.*/nl/n/p/m
此时匹配结果为 /m/t/wd/nl/n/p/m/wd/nl/n/p/m/wd/nl/n/p/m
勉强模式的表达式匹配:
/m/t/.*?/nl/n/p/m
此时匹配结果为 /m/t/wd/nl/n/p/m
/m/t/wdx+?/nl/n/p/m
如果是这样,那么就匹配不上了,因为+表示至少要匹配一个,勉强模式,至少也要匹配一个,所以匹配失败了。
占有模式的表达式匹配:
/m/t.*+/nl/n/p/m 此时无法匹配,因为.*匹配了过多的字符,导致后面无法匹配是上了。
注意:只能对可变的匹配规则使用勉强量词或者占有量词。比如X??表示尽量少匹配字符X,而X?却是默认的贪婪模式,此时是尽量多匹配的含义。再如:X{n}的含义是必须准备匹配n个X ,则此时加上其他量词均不起作用
环视(预测)
环视是一个比较高级的主题,但是用起来却是那么自然。
环视适用于这样的场景:做正则匹配时,需要了解被匹配部分的前面或者后面,有或者没有,特定的表达式,而又不因此捕获(消耗)这些特定的表达式。
如果不使用环视,而是直接使用表达式来判断,那么必然会导致这些被匹配的表达式被消耗掉。
举个例子:假设我要给ILoveYou这句话断句,原则是出现大写字母则认为是一个新的单词。
如果使用这个匹配规则:
\p{Upper}\p{Lower}*[\p{Upper}]?
的话,那么会消耗掉被匹配的大写字母。匹配结果会是:
IL
You
这并不符合要求。
解决办法是使用环视,正则表达式为:
\p{Upper}?\p{Lower}*(?=[\p{Upper}]?)
输出结果为:
I
Love
You
环视有四种:
(?=X) 表示后面跟着的是正则表达式X,匹配前面的部分时,不会消耗X这一部分,同时也不会捕获。零宽度正向肯定预测。
(?<=X) 表示前面的是正则表达式X,匹配后面的部分时,不会消耗X这一部分,同时也不会捕获。 零宽度反向肯定预测。
(?!X) 表示后面跟着的不是正则表达式X,匹配前面的部分时,不会消耗X这一部分,同时也不会捕获。零宽度正向否定预测。
(?!=X) 表示前面的不是正则表达式X,匹配后面的部分时,不会消耗X这一部分,同时也不会捕获。 零宽度反向否定预测。
非捕获占有型匹配
(?>X) 这个尚未研究清楚。