正则表达式中的贪婪非贪婪

近几天在做几个爬虫，分析网页url的时候，抓取总是出现问题。后来了解到是贪婪和非贪婪模式的问题。

记录一下本是想在一个html中抓取大量这种模式的href连接

<a href="http://www.xxxx.info/post/90934717083">xxxxx</a></br>

写的正则表达式为

reg = r‘<a href="(.+)">‘

经过Regulator分析后，下面语句也匹配了出来

href="http://www.xxx.info/page/2">/page/2</a>" <span class="webkit-html-attribute-name">id</span>="<span class="webkit-html-attribute-value">pageNavOlder</span>"></span>下一页?<span class="webkit-html-tag"></a></span><span class="webkit-html-tag">

　　经过分析后知道，仅仅需要抓去匹配项中最短的，这就用到非贪婪模式了。

　　默认情况下，正则表达式匹配的都是贪婪模式，都是最长匹配，举个最简单的例子

　　比如text="abbbbbbbbc", reg = r‘(a.+)‘ 这样抓取的话，匹配出来的是全部字符串，如果这样reg=r‘(a.+?)‘的话，匹配出来的仅仅是ab，最后的问好就是说明非贪婪模式

　　当字符？在其他限定符如（*,+,{n},{n,m>)之后的时候，就说明使用非贪婪模式匹配　　

　　所以我最开始的正则表达式写成

　　reg = r‘<a href="(.+?)">‘时，就匹配出来了我想得到的

　http://www.xxxx.info/post/90934717083

正则表达式中的贪婪非贪婪

时间： 2024-08-08 20:18:42

正则表达式中的贪婪非贪婪的相关文章

正则表达式话题【正则表达式--递归匹配与非贪婪匹配】

[出处:http://www.regexlab.com/zh/regtopic.htm] 引言本文将逐步讨论一些正则表达式的使用话题.本文为本站基础篇之后的扩展,在阅读本文之前,建议先阅读正则表达式参考文档一文. 1. 表达式的递归匹配有时候,我们需要用正则表达式来分析一个计算式中的括号配对情况.比如,使用表达式 "$ [^)]* $" 或者 "$ .*? $" 可以匹配一对小括号.但是如果括号内还嵌有一层括号的话 ,如 "( ( ) )&q

python 贪婪非贪婪匹配

python re模块还是需要重新学习. python readline 和 readlines(), readline() , read() 三者之间的区别,以前一直都不清楚,现在搞清楚是怎么回事了. readlines() 可以一起显示出整个文件,这个也是迭代显示的,需要追行显示,迭代器的指针会被消耗的. python 中的正则是匹配换行以外的所有的字符..* 是匹配不了所有的字符的.在某些情况下,我的结论是正确的,但是在某些情况下,我的结论又是错误的.刚才遇到的问题,现在终于知道是怎么回事

正则进阶之，回溯，（贪婪* 非贪婪+？独占++）三种匹配量词

正则的回溯在正则表达式实现中,回溯是匹配过程的基本组成部分,它是正则表达式如此好用和强大的根源.然而,回溯计算代价很高,如果设计失误,将导致失控.回溯是影响整体性能的唯一因素,理解它的工作原理,以及如何减小使用频率,可能是编写高效正则表达式的关键点. 当一个正则表达式扫描目标字符串时,从左到右逐个扫描正则表达式的组成部分,在每个位置上测试能不能找到一个匹配.对于每一个量词和分支,都必须确定如何继续进行.如果是量词(如*+?或者{2,}),那么正则表达式必须确定何时尝试匹配更多的字符:如果遇到分

正则贪婪,非贪婪,分组,前瞻

1.贪婪模式正则是:/\d{3,5}/g,字符串是 12345678 那么exec 方法或者match方法返回的结果是什么呢? 是 [123,456] 还是 [1234,5678] 还是[12345] 答案是:[12345] . 正则表达式默认是贪婪模式,即尽可能多的匹配,如果失败那么减一匹配直到最小值.在这种情况下前面5个数字匹配后,下标来到6处,678不会再匹配 2.非贪婪模式让正则表达式尽可能少的匹配,也就是说一旦成功匹配就不在继续尝试就是非贪婪模式只要在量词后加上?即可 '1234

正则表达式之贪婪与非贪婪模式

1 概述贪婪与非贪婪模式影响的是被量词修饰的子表达式的匹配行为,贪婪模式在整个表达式匹配成功的前提下,尽可能多的匹配,而非贪婪模式在整个表达式匹配成功的前提下,尽可能少的匹配.非贪婪模式只被部分NFA引擎所支持. 属于贪婪模式的量词,也叫做匹配优先量词,包括: “{m,n}”.“{m,}”.“?”.“*”和“+”. 在一些使用NFA引擎的语言中,在匹配优先量词后加上“?”,即变成属于非贪婪模式的量词,也叫做忽略优先量词,包括: “{m,n}?”.“{m,}?”.“??”.“*?”和“+?”.

正则基础之——贪婪与非贪婪模式

转载自:http://blog.csdn.net/lxcnn/article/details/4756030 1 概述贪婪与非贪婪模式影响的是被量词修饰的子表达式的匹配行为,贪婪模式在整个表达式匹配成功的前提下,尽可能多的匹配,而非贪婪模式在整个表达式匹配成功的前提下,尽可能少的匹配.非贪婪模式只被部分NFA引擎所支持. 属于贪婪模式的量词,也叫做匹配优先量词,包括: “{m,n}”.“{m,}”.“?”.“*”和“+”. 在一些使用NFA引擎的语言中,在匹配优先量词后加上“?”

正则表达式中原子的5种类型

原子是正则表达式的最基本的组成单位,而且在每个模式中最少包含一个原子.原子是由所有那些未显示指定为元字符的打印和非打印字符组成,所以在这里将其详细划分为五类进行介绍. ①普通字符作为原子普通字符是编写正则表达式时最常见的原子了,包括所有的大写和小写字母字符.所有数字等.例如,a——z.A——Z.0——9. ’/5/’ –用于匹配字符串中是否有5这个字符出现 ’/php/’ –用于匹配字符串中是否有PHP字符串出现 ②一些特殊字符和元字符作为原子任何一个符号都可以作为原

正则表达式中的贪婪模式与非贪婪模式详解

php正则表达式中的非贪婪模式匹配的使用

php正则表达式中的非贪婪模式匹配的使用通常我们会这么写: $str = "http://www.baidu/.com?url=www.sina.com/"; preg_match("/http:(.*)com/", $str, $matches); print_r($matches); 结果: Array ( [0] => http://www.baidu/.com?url=www.sina.com [1] => //www.baidu/.com?u