解释 Perl 中正则表达式量词的贪婪和非贪婪处理原理。这如何影响字符串解析？举例说明一些微妙之处和非标准行为。

回答。

在 Perl 中，正则表达式的量词 *, +, ?, {n,m} 默认是 贪婪的 (greedy)：它们会捕获与模式匹配的最大可能字符数。

在量词后添加 ? 会将其变为 非贪婪的 (lazy 或 non-greedy)：它会捕获最少可能的字符数，以使整个正则表达式匹配。

贪婪匹配的示例：

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

非贪婪匹配的示例：

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

特点：

贪婪表达式可能会“吃掉”比预期更多的内容，例如在解析 HTML 和其他嵌套结构时！

---

有陷阱的问题。

字符串 <a><b><c> 的两个正则表达式 /<(.*)>/ 和 /<(.*?)>/ 有什么区别？

回答：

• /<(.*)>/ （贪婪）会捕获最大块 — 匹配：<a><b><c>
• /<(.*?)>/ （非贪婪） — 仅捕获第一个组：<a>

示例：

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

---

由于不了解该主题的微妙之处而导致的实际错误示例。

---

故事

在一个导入新闻标题的应用程序中，程序员试图解析字符串 <title>新闻</title> 中标签的名称，使用了 /\<(.*)\>/。结果正则表达式捕获了 < 第一个和 > 最后之间的整行，而不是所需的元素。当出现嵌套标签时，错误被发现。

---

故事

在一个逻辑解析器中，为了提取引用字符串，使用的模板 /"(.*)"/ 意外地捕获了第一个和最后一个引号之间的所有内容。结果标记错误分解，直到模板被替换为 /"(.*?)"/。

---

故事

在一个带引号的 CSV 自动解析器中，贪婪地编写的模板出现了错误，导致多个列合并为一个。该解析器的故障只在大数据集上显现出来 — 对模板的非贪婪修改解决了这个问题。