第 6 课：贪婪与懒惰匹配，以及最终实战

本课目标：

• 解释 .+ 为什么贪婪、为什么尽可能多地匹配。
• 用 ? 把量词变懒惰，让它尽可能少地匹配。
• 在真实控制台里写出并验证一个校验器兼提取器。

先修条件：第 1-5 课（全套工具） | 上一篇 << 05

模式匹配上了，却抓得太多

你写了 /".+"/ 想抓一个带引号的词，在 say "hi" and "bye" 上一跑，拿回来的不是 “hi”，而是 "hi" and "bye"：从第一个引号到最后一个引号的整段。模式没有坏，它只是在精确执行 + 从一开始就注定要做的事。这是正则最著名的一个意外，也是横在你和读懂真实模式之间的最后一个概念：量词默认是贪婪的。一旦你能看见这种贪婪，并且能把它关掉，你粘贴了多年的 .+? 终于说得通了。然后我们把六课所学合在一起，搭一个真东西。

讲解

默认情况下，*、+ 这样的量词是贪婪（greedy）的：它们尽可能多地重复匹配¹。贪婪的 + 让引擎把前面的 token 重复尽可能多次²。所以 /".+"/ 在 say "hi" and "bye" 上不会停在第一个闭引号：.+ 一路吃下去（中间的引号也吃，因为 . 匹配它们），一直吃到它还能吃到的最后一个引号那里，再往回退出刚好够让末尾的 " 匹配的部分。

要反转它，在量词后面紧跟一个 ?。这让它变成懒惰（lazy，非贪婪）的：一旦达到最少匹配次数就停下¹。懒惰的 .+? 把点重复尽可能少的次数²。现在引擎每吃一个字符就检查模式剩余部分能否匹配，非继续不可才继续，所以它停在第一个闭引号上。

教科书式的演示是一对相邻的方括号标签。对字符串 [one][two]，贪婪的 /\[.+\]/ 一口吞下全部，懒惰的 /\[.+?\]/ 只抓第一个标签。（方括号要用 \ 转义，因为 [ 和 ] 是字符类的元字符。）

这里要仔细读 ?，因为它现在有你见过的两份工作。单独跟在一个 token 后面时，? 是第 3 课的量词“0 次或 1 次”。紧跟在另一个量词后面时（+?、*?、{2,5}?），它是懒惰修饰符。同一个字符，两种角色：它扮演哪一种，取决于它左边站的是什么。

完整示例（跟着做）

你想要字符串里第一个 HTML 标签的文本，而不是一路到最后一个标签的所有内容。先看贪婪怎么失败，再用懒惰修好它：

一步步看：<.+> 从第一个 “<” 起步，贪婪的 .+ 在还能给 “>” 留出余地的前提下尽量向右跑：那是最后一个 “>”，所以索引 0 的元素是整个字符串。加上 ?（<.+?>）之后，.+? 拿得越少越好：吃下第一个 “<” 之后，它消耗一个 “b”，立刻发现闭合的 “>” 已经能满足，于是停下，得到 “<b>”。同样的字符，相反的胃口。

你来试试（填空示例）

你想从 total (net) and (gross) 里抓出第一个括号注记，也就是 “(net)”，而不是 “(net) and (gross)”。填上让量词变懒惰的那一个字符：

答案：空格处填 ?，得到 /\(.+?\)/。\( 和 \) 是转义后的字面量圆括号（要转义，因为圆括号是分组的元字符）。贪婪的 .+ 会跑到最后一个 “)”，抓下 “(net) and (gross)”；这个 ? 让 .+? 停在第一个 “)”，你便得到 “(net)”。这种“转义定界符、中间变懒惰”的形状，正是从长字符串里提取第一段被定界内容的标准做法。

小结 + 下一步

量词默认贪婪：.+ 能匹配多少就匹配多少；量词后面紧跟的 ? 让它变懒惰，匹配得尽可能少。这一个字符，就是“抓住第一段被定界的内容”和“吞掉一整行”的差别。至此你已经集齐了整门模式语言：字面量、字符类、量词、锚点、分组、备选，以及贪婪与懒惰。现在再遇到陌生的正则，你可以一个 token 一个 token 地读，而不是粘贴过来赌运气。下面的 mentor-action 把方向反过来：把你刚搭好的校验器交给 agent，让它就着每个 token 考你。

Footnotes

1. MDN: Quantifiers — https://developer.mozilla.org/en-US/docs/Web/JavaScript/Guide/Regular_expressions/Quantifiers ↩ ↩²

2. regular-expressions.info: Repetition (greedy and lazy) — https://www.regular-expressions.info/repeat.html ↩ ↩²