regex - 为什么这个正则表达式有效？

Question

我想从日期时间偏移值中删除 (CDT)。我在下面编写了一个简单的 regex 来执行此操作，它按最初的预期工作，但在编写它之后我想知道为什么它会工作。为什么结果不停留在 2012 年？

原始字符串: "Thu, 02 Aug 2012 07:42:02 -1525 (CDT)"

正则表达式: .*\d{4}

结果: “2012 年 8 月 2 日星期四 07:42:02 -1525”

Answer 1

之所以有效，是因为 .* 是 greedy .

这意味着 .* 将在执行任何其他操作之前尽可能多地匹配。

当应用正则表达式时，.* 会匹配整个内容，因为它是贪婪的:

Thu, 02 Aug 2012 07:42:02 -1525 (CDT)

然后尝试匹配 \d{4}，不幸的是，它不匹配任何东西，因为它在末尾。因此，正则表达式(.* 部分)将回溯(返回并返回之前匹配的内容)一次一个字符，每次检查 \d{4}:

Thu, 02 Aug 2012 07:42:02 -1525 (CDT) [No match]

Thu, 02 Aug 2012 07:42:02 -1525 (CDT) [No match]

Thu, 02 Aug 2012 07:42:02 -1525 (CDT) [No match]

Thu, 02 Aug 2012 07:42:02 -1525 (CDT) [No match]

Thu, 02 Aug 2012 07:42:02 -1525 (CDT) [No match]

Thu, 02 Aug 2012 07:42:02 -1525 (CDT) [No match]

...

Thu, 02 Aug 2012 07:42:02 -1525 (CDT)

在这一点上，它能够匹配 \d{4}，所以这就是它要做的:

Thu, 02 Aug 2012 07:42:02 -1525 (CDT)

由于正则表达式中没有其他内容，因此它将在这里结束。