正则表达式的最短与最长匹配

贪婪与懒惰

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)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
重复n次以上,但尽可能少重复

实例:在一段sql里面,替换掉全部的时间(如:'18-JUL-14 10.32.23.000000 AM')为to_date('20150202','yyyymmdd'),就可以在任何一款支持正则表达式的文本编辑器里面实现,如notepad++。表达式为:

(\ '\d{2}(-JUL).+?AM') ,以下是解释:

\ ' 以‘开始

\d{2} 两位数字

(-JUL) 包含-JUL

.+ 任意字符任意多个

? 第一次匹配到AM'

AM' 以AM'结尾

insert into mstb_delivery_charge (ID,disTRICT_ENAME,disTRICT_CNAME,SUB_disTRICT_ENAME,SUB_disTRICT_CNAME,dis_CODE,dis_MINDP,dis_CHARGE,REGION_CODE,CREATED_TIMESTAMP,MODIFIED_TIMESTAMP,POST_CODE,EXPRESS_vendOR,POST_TIMEAREA_RANGE,dis_SEQUENCE)
values (POS5G_RW.MSSQ_DELIVERY_CHARGE_ID.NEXTVAL,'Xin Bei','新北市','Ying Ge','鶯歌區','0',2000.00,150.00,'130','18-JUL-14 10.32.23.000000 AM','239','','All',30239);

insert into mstb_delivery_charge (ID,'San Chong','三重區','241',30241);

相关文章

正则替换html代码中img标签的src值在开发富文本信息在移动端...
正则表达式
AWK是一种处理文本文件的语言,是一个强大的文件分析工具。它...
正则表达式是特殊的字符序列,利用事先定义好的特定字符以及...
Python界一名小学生,热心分享编程学习。
收集整理每周优质开发者内容,包括、、等方面。每周五定期发...