为什么星形量词比Java正则表达式中的加号量词更贪婪？

Question

我有正在尝试从LogicalID和SupplyChain

中提取的文字

 <LogicalID>SupplyChain</Logical>

起初我使用了以下正则表达式：

.*([A-Za-z]+)>([A-Za-z]+)<.*

匹配如下：

["D", "SupplyChain"]

在绝望中，我尝试使用星号而不是加号：

.*([A-Za-z]*)>([A-Za-z]+)<.*

这完美匹配。

文档说*匹配零次或多次，+匹配一次或多次。为什么*比+更贪婪？

编辑：有人向我指出，下面不是这种情况。操作顺序解释了第一个匹配组实际为空的原因。

Answer 1

这不是贪婪的差别。在你的第一个正则表达式：

.*([A-Za-z]+)>([A-Za-z]+)<.*

您要求任意数量的字符（.*），然后至少一个字母，然后是>。所以贪婪的比赛必须是D，因为*会消耗D之前的所有内容。

在第二个中，改为：

.*([A-Za-z]*)>([A-Za-z]+)<.*

您需要任意数量的字符，后跟任意数量的字母，然后是>。所以第一个*消耗所有内容到>，第一个捕获组匹配一个空字符串。我认为它根本不“完美匹配”。

Answer 2

你应该真的使用这个正则表达式：

<([A-Za-z]+)>([A-Za-z]+)<

OR

<([A-Za-z]*)>([A-Za-z]+)<

两者将分别与LogicalID和SupplyChain匹配。

PS：您的正则表达式：.*([A-Za-z]*)>([A-Za-z]+)<匹配空字符串作为第一个匹配。

工作演示：http://ideone.com/VMsb6n

Answer 3

Why is * greedier than +?

它没有表现出贪婪。

第一个正则表达式.*([A-Za-z]+)>([A-Za-z]+)<.*可以表示为

此处Group1应该需要提供一个或多个匹配时间。

第二个.*([A-Za-z]*)>([A-Za-z]+)<.*为

这里Group1应该需要零次或多次匹配。