Perl 정규 표현식에서 양의 수량자에 대한 느린 처리와 탐욕적인 처리 원리를 설명하십시오. 이것이 문자열 구문 분석에 어떤 영향을 미칩니까? 미묘한 점과 비정상적인 동작의 예를 제시하십시오.

답변.

Perl의 정규 표현식에서 수량자 *, +, ?, {n,m}는 기본적으로 탐욕적 (greedy)입니다: 이는 패턴에 일치하는 최대한 많은 문자를 캡처합니다.

수량자 뒤에 ?를 추가하면 느린 (lazy 또는 non-greedy)으로 바뀌며: 이는 정규 표현식이 일치하는 데 필요한 최소한의 문자를 캡처합니다.

탐욕적 일치 예:

my $str = 'foo <bar> baz <quux>'; 
$str =~ /<.*>/;   # '<bar> baz <quux>'를 캡처합니다.

느린 일치 예:

my $str = 'foo <bar> baz <quux>'; 
$str =~ /<.*?>/;   # '<bar>'를 캡처합니다.

특징:

탐욕적 표현식은 HTML 및 기타 중첩 구조를 구문 분석할 때 예상보다 더 많은 내용을 "먹어버릴" 수 있습니다!

---

트릭 질문.

<a><b><c> 문자열을 구문 분석할 때 다음 두 정규 표현식은 어떻게 다릅니까: /<(.*)>/와 /<(.*?)>/?

답변:

• /<(.*)>/ (탐욕적)은 최대 블록을 캡처합니다 — 일치: <a><b><c>
• /<(.*?)>/ (느린)은 첫 번째 그룹만 캡처합니다: <a>

예:

my $s = '<a><b><c>';
$s =~ /<(.*)>/;    # $1: 'a><b><c'
$s =~ /<(.*?)>/;  # $1: 'a'

---

주제의 미묘한 점을 모르고 발생한 실제 오류의 예.

---

이야기

뉴스 헤드라인을 가져오는 어플리케이션에서 프로그래머는 /\<(.*)\>/를 사용하여 <title>뉴스</title> 문자열에서 태그 이름을 구문 분석하고자 했습니다. 결과적으로 정규 표현식은 첫 번째 <와 마지막 > 사이의 전체 문자열을 캡처하여 필요한 요소가 아니라 전체를 가져왔습니다. 중첩 태그가 생기자 오류가 발견되었습니다.

---

이야기

인용된 문자열을 구분하기 위한 논리 구문 분석기에서 사용된 패턴 /"(.*)"/는 예상하지 못하게 첫 번째와 마지막 따옴표 사이의 모든 것을 캡처했습니다. 따라서 마크업이 잘못 분할되었고, 패턴을 /"(.*?)"/로 교체할 때까지 문제가 지속되었습니다.

---

이야기

따옴표를 포함할 수 있는 CSV 자동 파서에서 "탐욕적"으로 잘못된 패턴이 작성되어 여러 열이 하나로 합쳐졌습니다. 도입된 파서의 오류는 대량 데이터에서만 발견되었으며, 느린 패턴 수정이 문제를 해결했습니다.