regex - 通过正则表达式从 Oracle 中的字符串中删除简单的 HTML 标签，需要解释

Question

我不明白，为什么我的 reg1 和 reg2 列从我的字符串中删除了“bbb”，而只有 reg3 按预期工作。

WITH t AS (SELECT 'aaa <b>bbb</b> ccc' AS teststring FROM dual)

SELECT
  teststring,
  regexp_replace(teststring, '<.+>') AS reg1,
  regexp_replace(teststring, '<.*>') AS reg2,
  regexp_replace(teststring, '<.*?>') AS reg3
FROM t


TESTSTRING             REG1        REG2          REG3
aaa <b>bbb</b> ccc     aaa ccc     aaa ccc       aaa bbb ccc

非常感谢!

Answer 1

因为默认情况下正则表达式是贪婪的。 IE。表达式 .*或 .+尝试使用尽可能多的字符。因此 <.+>将从第一个 < 开始到最后 > .使用惰性运算符 ? 使其惰性:

regexp_replace(teststring, '<.+?>')

或者

regexp_replace(teststring, '<.*?>')

现在，搜索 >将停在第一个 >遭遇。

请注意 .包括 >同样，因此贪婪变体(没有 ? )吞噬了所有 >但最后。