我不懂正则表达式

Question

我正在使用一个使用正则表达式从字符串中删除所有html标记的教程（Ruby）：

product.description.gsub(/<.*?>/,'')。

我不知道如何解释?。这是否意味着：“至少有一个以前的”？在这种情况下，/<.+>/不会更充足吗？

Answer 1

在这种情况下，它使*懒惰。

1* - 尽可能多地匹配1个。{ 1*? - 尽可能少匹配1。

此处，当您<a>text<b>some more text时，<.*>将与<a>text<b>匹配 但是，<.*?>会匹配<a>和<b>。

另请参阅：Laziness Instead of Greediness

这里的另一个重要注意事项是，这个正则表达式很容易在有效的HTML上失败，最好使用HTML解析器，并获取文档的文本。

Answer 2

默认情况下，.*为greedy，这意味着它尽可能匹配。因此，.*替换将更改：

This <b>is</b> an <i>example</i>.
     ^-------------------------^

到

This .

如果在量词之后使用问号，则会使其非贪婪，以便尽可能少地匹配。使用.*?替换工作如下：

This <b>is</b> an <i>example</i>.
     ^-^  ^--^    ^-^       ^--^

变为：

This is an example.

这与?作为量词的更常见用法不同，它意味着'匹配零或一个'。

无论哪种方式，如果您的文本是HTML，您应该使用HTML解析器而不是正则表达式。

Answer 3

默认情况下，*等量词是贪婪的。这意味着它们尽可能匹配。在它们之后添加?会使它们变得懒惰，因此它们会尽快停止匹配。

Answer 4

这是我在正则表达式库之后找到的关于正则表达式的最佳网站：

http://www.wellho.net/regex/java.html

希望有所帮助！