正则表达式模式匹配顺序

Question

在我熟悉的所有语言的正则表达式引擎中，.*表示法表示匹配零或多个字符。考虑以下Javascript代码：

var s = "baaabcccb";
var pattern = new RegExp("b.*b");
var match = pattern.exec(s);
if (match) alert(match);

这输出baaabcccb

Python也会发生同样的情况：

>>> import re
>>> s = "baaabcccb"
>>> m = re.search("b.*b", s)
>>> m.group(0)
'baaabcccb'

这两种语言匹配"baaabcccb"而不是简单的"baaab"的原因是什么？我读取模式b.*b的方式是“查找一个以b开头的子字符串，然后有任意数量的其他字符，然后以b结尾。”baaab和baaabcccb都满足了这一要求，但Javascript和baaabcccb都与后者相匹配。我本来希望它与baaab匹配，仅仅是因为该子字符串满足需求并首先出现。

那么，为什么在这种情况下模式与baaabcccb匹配呢？而且，是否有任何方法来修改这种行为(在这两种语言中)，使其与baaab相匹配？

Answer 1

您可以通过在?后面添加一个* (如：b.*?b )来使正则表达式不贪婪。然后，它将匹配最小的字符串位置。默认情况下，regex是贪婪的，将试图找到最长的可能匹配。

Answer 2

.*是个贪婪的对手。.*?是非贪婪的版本。

Answer 3

因为*和+本质上都是贪婪的(至少在python中，我对js不太确定)。他们将尽量匹配。如果您想避免这个问题，您可以添加吗？去追他们。

下面是关于这个的一个很好的教程，在贪婪和非贪婪部分：类。