量词与贪婪模式：掌握匹配的“量”与“度”

正则里有个很实在的概念——量词。说白了，就是告诉引擎“前面的东西要出现几次”。

我刚开始学的时候，觉得这东西太简单了。不就是星号、加号、问号吗？直到在一次日志解析项目里，被贪婪匹配坑得体无完肤……嗯，从那以后我才真正重视起来。

量词分两种性格：贪婪和懒惰。默认都是贪婪的，这容易出问题。咱们得搞明白它们是怎么工作的。

基础量词一览

先列个表，把常用的量词看清楚。你想想看，这些符号你肯定见过，但用对了吗？

量词	含义	等价形式
*	零次或多次	{0,}
+	一次或多次	{1,}
?	零次或一次	{0,1}
{n}	恰好 n 次	固定次数
{n,}	至少 n 次	下限固定
{n,m}	n 到 m 次	区间范围

贪婪匹配：多拿多占

默认情况下，所有量词都是贪婪的。它会尽可能多地匹配字符。

看个例子：

文本：<div>内容1</div><div>内容2</div>
正则：<.*>
匹配结果：<div>内容1</div><div>内容2</div>

为什么匹配了整行？因为 .* 的贪婪本性，它会一直吞到最后一个 > 才停下。

我遇到过这种情况：写爬虫提取HTML标签时，用了 <.*>，结果把整个页面内容都匹配进去了。排查半天才发现是贪婪搞的鬼。

懒惰匹配：够用就行

在量词后面加个 ?，它就变懒惰了。能少匹配就少匹配。

还是刚才的例子：

文本：<div>内容1</div><div>内容2</div>
正则：<.*?>
匹配结果：<div>

看到了吗？.*? 在遇到第一个 > 就停了。这才是我们想要的效果。

为什么会这样？懒惰匹配每次扩展一个字符，发现满足条件就立刻返回。贪婪则相反，先吞下全部，再一个个吐出来检查。

各种懒惰量词对照

懒惰量词就是在原有量词后面加 ?。我来列个表，一目了然：

贪婪版本	懒惰版本	含义
*	*?	尽可能少地匹配零次或多次
+	+?	尽可能少地匹配一次或多次
?	??	尽可能少地匹配零次或一次
{n,}	{n,}?	尽可能少地匹配至少 n 次
{n,m}	{n,m}?	尽可能少地匹配 n 到 m 次

你想想看，?? 这个写法挺有意思的。两个问号叠一起，第一个是量词，第二个是懒惰开关。记住这个规律就忘不了。

实战对比：文本提取的坑

来看一个常见的场景：从键值对文本中提取值。

文本：name=张三&age=25&city=北京
贪婪提取：name=(.*)&
匹配结果：name=张三&age=25&city=

用贪婪匹配，结果把从第一个 = 到最后一个 & 之间的内容全吞了。显然不对。

改成懒惰试试：

正则：name=(.*?)&
匹配结果：name=张三

正确！.*? 在遇到第一个 & 就停下了。

性能小贴士：别滥用懒惰

有一点要注意：懒惰匹配不一定比贪婪快。引擎需要频繁回溯，反复尝试。

场景不同，选择不同：

• 提取短内容：懒惰更直观，不容易出错
• 匹配长文本结尾：贪婪反而更高效，因为它一次到位
• 多层嵌套结构：都不好用，考虑用递归匹配或解析器

知识体系：量词与模式选择

下面这张图，帮你梳理清楚量词的核心逻辑：

避坑指南：量词使用三原则

总结几条实战经验，都是我踩过的坑：

1. 明确边界：写量词前，确认你要匹配的内容边界在哪里。前后锚点（^、$、\b）能帮你精确定位。
2. 能用具体就不用模糊：如果知道要匹配3个数字，写 \d{3} 比 \d+ 好一万倍。
3. 测试懒惰：不确定用贪婪还是懒惰？先用懒惰版测试。大部分内容提取场景，懒惰更符合直觉。