Postgres Regex贪婪控制

Question

要更改文本周围的标签对，此Postgres SELECT表达式适用于我：

select regexp_replace('The corpse of the huge <i>fin whale</i> created a spectacle on <span class="day">Friday</span> as <i>people</i> wandered the beach to observe it.',
                      '(<i>)([^/]+)(</i>)',
                      '<em>\2</em>',
                      'g');

我担心参考文献二过分贪婪。我第一次尝试使用参考号2是（。+），但是失败了。（[^ /] +）效果更好。但我想知道它是否足够好。

可以做些什么使该SELECT语句更可靠吗？

Answer 1

通常存在两种可能性（PostreSQL的regex引擎似乎都支持这两种可能性）。

1. 使重复内容不愉快：

   <i>(.+?)</i>
   

2. 使用否定的前瞻性来确保您消耗了</i>：

   <i>((?:(?!</i>).)+)</i>
   

在这两种情况下，我都删除了不必要的捕获。您\1现在可以在替换字符串中使用。

两者在工作上应等效。他们的表现可能会有所不同。前者需要回溯，而后者则必须在每个位置尝试超前。哪一个速度更快将不得不分析，甚至可能取决于各个输入字符串。请注意，由于第二种模式使用贪婪重复，因此您可以删除结尾部分</i>，但仍会得到相同的结果。

从某种意义上讲，您已经拥有了强大的方法，您将永远无法超越</i>。但是同时，您的方法不允许使用嵌套标签（因为重复不能超过嵌套对的结束标签）。

但是，您应该注意，正则表达式并不是真正可以解析/处理HTML的工作。如果您的标签中有多余的空格怎么办？或者，如果开始标签具有属性，该怎么办？或者，如果一个或两个标签出现在属性名称或注释中怎么办？