如何准确识别和处理贪婪或不情愿的量词？ [复制]

Question

给定：

import java.util.regex.*;

class Regex2 {    
  public static void main (String args[]) {
    Pattern p = Pattern.compile(args[0]);
    Matcher m = p.matcher (args [1]);    
    boolean b = false;

    while (m. find()) {
       System.out.print(m.start()  + m.group());
    }
  }
}

命令行表达式为：

java Regex2 "\d*" ab34ef

结果如何？

A. 234
B. 334
C. 2334
D 0123456
E. 01234456
F. 12334567
G. Compilation fails

SCJP 的书对正则表达式、模式和匹配器的解释如此可怕，令人难以置信。 无论如何，我非常了解大部分基础知识，并查看了有关贪婪和不情愿量词的 Sun/Oracle 文档。我理解这些概念，但对一些事情有点模糊：

“贪婪”量词的物理符号究竟是什么？它只是一个*，吗？或 + ? 如果是这样，有人可以根据本书详细解释这个答案如何变成E吗？当我自己运行它时，我得到了答案：2334！

在这里我们会使用一个贪婪的量词，对吗？这将消耗整个字符串，然后回溯并连续查找零个或多个数字。因此，如果贪心，“完整字符串”将连续包含 2 个数字，并且仅执行一次 .find() （即 m.start = 0 ， m.group = "ab34ef"），根据该定义！

感谢大家的帮助。

Answer 1

这些是\d* 与"ab34ef" 的比赛：

• 索引 0：零宽度；
• 索引 1：零宽度；
• 索引 2：“34”；
• 索引 4：零宽度；
• 索引 5：零宽度；
• 索引 6：零宽度。

这应该可以解释您的输出。如果量词不情愿，这将是不同的：

• 索引 2：零宽度；
• 索引 3：零宽度；

勉强的量词尽可能少地抓取以使整个表达式匹配。