02丨量词与贪婪：小小的正则，也可能把CPU拖垮！

以前只知道贪婪模式和懒惰模式，原来还有一个独占模式，贪婪和非贪婪都会发生回溯，结合文中给的案例链接，知道了 NFA 和 DFA (这个老师应该在后面讲匹配原理时会讲到)。难怪余晟老师说学会正则后务必要学会克制。 如果只是判断文本是否符合规则，则可以使用独占模式; 如果需要获取匹配的结果，则根据需要使用贪婪或非贪婪。 作业题: (这里需要获取单词，不能使用独占模式) \w+|“[^”]+” (注意: 例句中的双引号是中文状态下的) 结果(10 次匹配, 48 步): ['we', 'found', '"the little cat"', 'is', 'in', 'the', 'hat', 'we', 'like', '"the little cat"'] 相应的 Python 代码: >>> import re >>> text = '''we found “the little cat” is in the hat, we like “the little cat”''' # 注意: 例句中的双引号是中文状态下的 >>> pattern = re.compile(r'''\w+|“[^”]+”''') >>> pattern.findall(text) ['we', 'found', '"the little cat"', 'is', 'in', 'the', 'hat', 'we', 'like', '"the little cat"'] 示例: https://regex101.com/r/l8hkqi/1

老师，对于文中的这个语句 regex.findall(r'xy{1,3}+z', 'xyyz') 这里是独占模式，不进行回溯。这里在尽可能多的匹配第三个 y的时候匹配失败，不应该是直接匹配失败 返回空数组吗？ 怎么是返回 xyyz 呢？ 如果返回 xyyz 不就进行回溯了吗？

\w+|“[^”]*” \w+|“[\w\s]+? \w+|“.+?” 还有第四种方法吗?

w+|“[^”]+”, w+ 看懂了, 但 后面的没看懂?

js版 ```javascript let str = `we found "the little cat" is in the hat, we like "the little cat"` let re = new RegExp(/"[^"]+"|\w+/, 'g') let res = str.match(re) console.log(res) ```

思考题： ".+?"|[^\s|,]+ 关于回溯，是不是就是递归调用函数栈的原理？拿 xy{1,3}z 匹配 xyyz 举例，步骤如下： 1. 正则中的 x 入栈，匹配上 text 的第一个字符 x 2. 正则中的 y 入栈，匹配上 text 中的第二个字符 y 3. 因为这里没有加问号，属于贪婪匹配，正则中的 y 继续入栈，匹配上 text 中的第三个字符 y 4. 正则中的 y 继续入栈，但是这个时候 y 和 z 不匹配，执行回溯，就是当前正则的第三个 y 出栈 5. 用范围量词后的字符 z 继续入栈匹配，匹配上 text 的最后一个字符，完成匹配

建议老师统一下正则的运行环境。

[a-z]+|“[^“]+”

还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}尽可能多的去匹配， 也就是 xyy之后，用第三个y 去匹配z，因为不回溯，到这里就失败了， 还没到正则中z前面那个y。 还请解惑。

老师我有个疑问求解答: 正则: \w+|“.+?” 字符串 : we found “the little cat” is in the hat, we like “the little cat” 结果的确是把每个单词单独匹配到了, 并且 引号的也当成一个单词了, 那么请问 为什么 \w+ 不会把 引号内的单词匹配到呢, 为什么不会出现 the 与 “the little cat” 共存呢 正则匹配的过程是怎么样的 ?