regex - 在Regex中，为什么 “((.|\s)*?)”与 “\s*.*”不同

Question

并不是一个完整的新手，但是我仍然对正则表达式一无所知。我试图使用Regex去除

标签，这是我的第一次尝试

<p\s*.*>

太贪心了

<p someAttributes='example'>SomeText</p>

我知道了

((.|\s)*?)

似乎应该同样贪婪，有人可以帮助我理解为什么它不是吗？

试图使这个问题尽可能地非特定于语言，但是我用ColdFusion的reReplaceNoCase做到了，如果有很大的不同。

Answer 1

关键区别在于*?部分，该部分创建了勉强量词，因此它尝试尽可能少地匹配。标准量词*是贪婪量词，并尝试尽可能匹配。

参见例如Greedy vs. Reluctant vs. Possessive Quantifiers

正如Seth Robertson指出的那样，您可能想使用不依赖于贪婪/勉强行为的正则表达式。实际上，您可以编写一个所有格正则表达式以获得最佳性能:

<p\s*+[^>]*+>

此处， \s*+匹配任意数量的空格，而 [^>]*+匹配任意数量的字符( >除外)。这两个量词在不匹配的情况下都不会回溯，这会在不匹配的情况下提高运行时间，对于某些正则表达式实现，在匹配的情况下也可以(因为可以省略内部回溯数据)。

请注意，如果还有其他以 <p开头的标签(很长一段时间以来都没有直接编写HTML)，那么您也要匹配它们。如果您不想这样做，请使用如下正则表达式:

<p(\s++[^>]*+)?>

这使得 <p和 >之间的整个部分是可选的。