Здравствуйте.
В
документации читаем:
Differences Among Greedy, Reluctant, and Possessive Quantifiers
Greedy quantifiers are considered "greedy" because they force the matcher to read in, or eat,
the
entire input string prior to attempting the first match . If the first match attempt
(the entire input string) fails, the
matcher backs off the input string by one character and
tries again , repeating the process until a match is found or there are no more characters
left to back off from. Depending on the quantifier used in the expression, the last thing
it will try matching against is 1 or 0 characters.
The
reluctant quantifiers, however, take the opposite approach: They start at the beginning
of the input string, then reluctantly eat one character at a time looking for a match.
The last thing they try is the entire input string.
Решил проверить:
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
import java.io.*;
import java.util.regex.*;
class RegexQuantTest {
static Console c = System.console();
static String text, patt;
static Matcher m;
public static void main(String[] args) {
while(true) {
text = c.readLine("%s", "TEXT: ");
System.out.println( " 0123456789012345");
patt = c.readLine("%s", "WHAT: ");
m = Pattern.compile(patt).matcher(text);
while(m.find()) System.out.println( "found at pos #"+m.start()+", substring="+m.group()+", end at pos #"+m.end() );
System.out.println("");
}
}
}
Запускаю, при этом ввожу одну и ту же строку:
1.
2.
abababababababab
0123456789012345 // счётчик смещений от начала
и шаблоны: (ab), (aba), (abab), (ababa), (ababab) - сначала с квантификатором жадного, а затем - "неохотного" (или какой там устоявшийся перевод reluctant) поведения.
Результат: не могу понять поведение matcher'a в режиме greedy на шаблонах с
не чётной длиной
примеры
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.
47.
48.
49.
50.
51.
52.
53.
54.
55.
56.
57.
58.
59.
60.
61.
62.
63.
64.
65.
66.
67.
68.
69.
70.
71.
72.
73.
74.
75.
76.
77.
78.
79.
80.
81.
82.
TEXT: abababababababab
0123456789012345
WHAT: (ab)+ // greedy
found at pos #0, substring=abababababababab, end at pos #16
// здесь всё понятно: хапнули всю строку сразу, посмотрели сколько раз входит в неё шаблон "ab"
// видим, что входит как минимум 1 раз ==> выкинули сразу всю строку
TEXT: abababababababab
0123456789012345
WHAT: (ab)+? // reluctant
found at pos #0, substring=ab, end at pos #2
found at pos #2, substring=ab, end at pos #4
found at pos #4, substring=ab, end at pos #6
found at pos #6, substring=ab, end at pos #8
found at pos #8, substring=ab, end at pos #10
found at pos #10, substring=ab, end at pos #12
found at pos #12, substring=ab, end at pos #14
found at pos #14, substring=ab, end at pos #16
// здесь тоже всё понятно, т.к. начали скармливать matcher'у начиная с первого символа
TEXT: abababababababab
0123456789012345
WHAT: (aba)+ // greedy
found at pos #0, substring=aba, end at pos #3
found at pos #4, substring=aba, end at pos #7
found at pos #8, substring=aba, end at pos #11
found at pos #12, substring=aba, end at pos #15
// А вот здесь понять не могу: matcher съел сначала ВСЮ строку, как в примере выше, и...
// что помешало ему СРАЗУ определить, что шаблон 'aba' входит в неё также как минимум 1 раз
// и СРАЗУ выдать результат в том виде, как при шаблоне '(ab)+', а именно:
// found at pos #0, substring=abababababababab, end at pos #16
TEXT: abababababababab
0123456789012345
WHAT: (aba)+?
found at pos #0, substring=aba, end at pos #3
found at pos #4, substring=aba, end at pos #7
found at pos #8, substring=aba, end at pos #11
found at pos #12, substring=aba, end at pos #15
// дальше всё повторяется: для шаблонов с чётной длиной matcher
// в greedy-режиме работает объяснимо (для меня, по кр. мере),
// а для шаблонов с нечётной - нет.
TEXT: abababababababab
0123456789012345
WHAT: (abab)+
found at pos #0, substring=abababababababab, end at pos #16
TEXT: abababababababab
0123456789012345
WHAT: (abab)+?
found at pos #0, substring=abab, end at pos #4
found at pos #4, substring=abab, end at pos #8
found at pos #8, substring=abab, end at pos #12
found at pos #12, substring=abab, end at pos #16
TEXT: abababababababab
0123456789012345
WHAT: (ababa)+
found at pos #0, substring=ababa, end at pos #5
found at pos #6, substring=ababa, end at pos #11
TEXT: abababababababab
0123456789012345
WHAT: (ababa)+?
found at pos #0, substring=ababa, end at pos #5
found at pos #6, substring=ababa, end at pos #11
TEXT: abababababababab
0123456789012345
WHAT: (ababab)+
found at pos #0, substring=abababababab, end at pos #12
TEXT: abababababababab
0123456789012345
WHAT: (ababab)+?
found at pos #0, substring=ababab, end at pos #6
found at pos #6, substring=ababab, end at pos #12
