丨量詞與貪婪小小正則也可能把cpu拖垮

在這6{m,n}來表示（*）（+）（?）這3表示量詞的星號（*和加號（）可能沒你那么簡單，我用一個例子給你講解一下。我們先看一下加號（+），使用+在aabb對應(yīng)的對應(yīng)的Python代>>>import>>>re.findallr'a+',4a*aaabb以找到4個匹配結(jié)果。使用Python4代代>>>import>>>re.findall(r'a*',['aaa','','',4但這一次的結(jié)果匹配到了三次空字符串。為什么會匹配到空字符串呢？因為星號（*）0到多次，匹配0次就是空字符串。到這里，你可能會有疑問，如果這樣，aaa部分應(yīng)該這就引入了我們今天要講的話題，貪婪與非貪婪模式。這兩種模式都必須滿足匹配次數(shù)的要求才能匹配上。貪婪模式，簡單說就是盡可能進行最長匹配。非貪婪模式呢，則會盡可能進行最短匹配。正是這兩種模式產(chǎn)生了不同的匹配結(jié)果。首先，我們來看一下在字符串a(chǎn)aabb中使用正則a*a*在匹配開頭的a時，會嘗試盡量匹配的a，直到第一個字母b不滿足要求為止，匹配上三個a，后面每次匹配時都得到了空字符串。相信看到這里你也發(fā)現(xiàn)了，貪婪模式的特點就是盡可能進行最大長度匹配。所以要不要使用貪婪模式是根據(jù)需求場景來定的。如果我們想盡可能最短匹配呢？那就要用到非貪婪匹配模變成了a*?。此時的匹配結(jié)果如下：代代>>>importre.findall(r'a*','aaabb')#['aaa','','',>>>re.findall(r'a*?','aaabb')#['','a','','a','','a','','',aaregex=“xy{1,3}z”text=個，但字符串中后面是個z就會導(dǎo)致匹配不上，這時候正則就會向前回溯，吐出當(dāng)前字符z，接著用正則中的z去匹配。regex=“xy{1,3}?z”text=由于y{1,3}?代表匹配1到3個y，盡可能少地匹配。匹配上一個y之后，也就是在匹配上text中的xy后，正則會使用z和text中的xy后面的y比較，發(fā)現(xiàn)正則z和y不匹配，這時正則就會向前回溯，重新查看y匹配兩個的情況，匹配上正則中的xyy，然后再用z去匹配text中的z，匹配成功?；厮?，這樣的話就比較節(jié)省時間。具體的方法就是在量詞后面加上加號（+）regex=“xy{1,3}+yz”text=“xyyz”Python和Go代代>>>import>>>re.findall(r'xy{1,3}+yz',error:multiplerepeatatposition4PyPIregex代代123456789注意：需要先安裝regex模塊，pipinstall>>>import>>>regex.findall(r'xy{1,3}z','xyyz')#>>>'xyyz')#>>>regex.findall(r'xy{1,2}+yz','xyyz')#JavaPerl如果你用a{1,3}+ab去匹配aaab字符串，a{1,3}+會把前面三個a都用掉，并且不會回溯，這樣字符串中內(nèi)容只剩下b了，導(dǎo)致正則中加號后面的a匹配不到符合要求的內(nèi)容，匹配失敗。如果是貪婪模式a{1,3}或非貪婪模式a{1,3}?都可以匹配上。這里我簡單總結(jié)一下，獨占模式性能比較好，可以節(jié)約匹配的時間和CPU資源，但有些情況下并不能滿足需求，要想使用這個模式還要看具體需求（比如我們接下來要講的案例另外還得看你當(dāng)前使用的語言或庫的支持程度。正則回溯 上的。Lazada賣家中心名代代1^([A-Za-z0-9._()&'\-2代代1^([符合要求的組成1]|[符合要求的組成你需要留意的是，正則中有個加號（+），這樣會導(dǎo)致大量回溯，占用大量CPU資源，線上問題，我們只需要將貪婪模式改成占模式就可以解決這個問題。我之前，要根據(jù)具體情況來選擇合適的模式，在這個例子中，匹配不上時證明名不合法，不需要進行回溯，因此我們可以使用獨占模式，但要注意并不是說所有的場合都可以用獨占模式解決，我們要首先保證正則能滿足功能需求。仔細再看一下這個正則，你會發(fā)現(xiàn)“組成”和”部分中-Z-z英文字母在兩個集合里面重復(fù)出現(xiàn)了，這會導(dǎo)致回溯后的重復(fù)判斷。這里要強調(diào)一下，并不是說有回溯就會導(dǎo)致問題，你應(yīng)該盡量減少回溯后的計算量，這些在后面的原理講解中我們會進一步學(xué)另外，騰訊云技術(shù)社區(qū)也有類似的技術(shù)文章，你如果感，可以點擊這里進行查 Somepeople,whenconfrontedwithaproblem,think“Iknow,I’lluseregularexpressions.”Nowtheyhavetwoproblems.所以一個小小的正則，有些時候也可能會把CPU拖垮，這也提醒我們在寫正則的時候，一定要思考下回溯問題，避免使用低效的正則，線上問題。最后我來給你總結(jié)一下：正則中量詞默認是貪婪匹配，如果想要進行非貪婪匹配需要在量詞后面加上問號。貪婪和非貪婪匹配都可能會進行回溯，獨占模式也是進行貪婪匹配，但不進行回溯，因此在一些場景下，可以提高匹配的效率，具體能不能用獨占模式需要看使用的編程語言的類庫的支持情況，以及獨占模式能不能滿足需求。有一篇英文文章，里面有很多單詞，單詞和單詞之間是用空格隔開的，在引號里面的一到多個單詞表示特殊含義，即引號里面的多個單詞要看成一個單詞。現(xiàn)在你需要提取出文章中所有的單詞。我們可以假設(shè)文章中除了引號沒有其它的標點符號，有什么方法可以解決這個問題呢？如果用正則來解決，你能不能寫出一個正則，提取出文章中所有的單詞呢（果去重）？wefound“thelittlecat”isinthehat,welike“thelittlethelittlecat 售賣。頁面已增加防盜追蹤，將依 上一 01|元字符：如何巧妙正則表達式的基本元件寫寫結(jié)合文中給的案例，知道了NFA和DFA(這個老師應(yīng)該在后面講匹配原理時會講6這里是獨占模式，不進行回溯。這里在盡可能多的匹配第三個y的時候匹配失敗，不應(yīng)該xyyzxyyz不就進行回溯了1 2xy{1,3}zxyyz2>>>import['','','','','','']1 111飛[a-11還有就是文章中的例子：xy{1,3}+yz去匹配xyyz，我的理解是用y{1,3}盡可能多的去匹xyy之后，用第三個yz，y一到三次獨占模式，雖然只匹配到了兩個，但還是滿足了次數(shù)要求，這時候沒失敗，11 11\w+|“.+?”(10matches,74steps) \w+|“(.+?)”(10matches,104只要引號內(nèi)的thelittlecatmthelittl