如何或为什么使用`.*?` 比`.*` 更好？

Question

我在 SuperUser 上回答了这个问题，该问题与 grepping 输出时使用的正则表达式类型有关。

我给出的答案是这样的：

 tail -f log | grep "some_string.*some_string"

然后，在对我的回答@Bob 的三个评论中写道：

.*是贪婪的，可能会捕获比您想要的更多。.*?通常更好。

那么这个，

这?是 上的修饰符*，使其变得懒惰而不是贪婪的默认值。假设 PCRE。

我用谷歌搜索PCRE，但无法在我的答案中得到这有什么意义？

最后这个，

我还应该指出这是正则表达式（默认情况下 grep 执行 POSIX 正则表达式），而不是 shell glob。

我只知道 Regex 是什么以及它在 grep 命令中的基本用法。所以，我无法得到这 3 条评论中的任何一条，我有这些问题：

• .*?vs. 的用法有什么区别.*？
• 在什么情况下哪个更好？请举例说明。

理解评论也会有帮助，如果有人可以的话

---

更新：作为问题的答案Regex 与 Shell Globs 有何不同？ @Kusalananda在他的评论中提供了这个链接。

注意：如果需要，请在回答参考上下文之前阅读我对这个问题的回答。

Answer 1

假设我使用一个字符串：

can cats eat plants?

使用 greedyc.*s将匹配整个字符串，因为它以 开头c和结尾s，作为一个贪心运算符，它会继续匹配直到最后出现 s。

而使用 lazyc.*?s只会匹配，直到s找到第一次出现的，即 string can cats。

从上面的示例中，您可能会发现：

“贪婪”意味着匹配最长的字符串。“懒惰”意味着匹配最短的字符串。将 a 添加?到像*, +, 之类的量词上?，或者{n,m}使它变得懒惰。

Answer 2

阿肖克已经指出的区别.*和.*?，所以我就提供一些额外的信息。

grep （假设为 GNU 版本）支持 4 种匹配字符串的方式：

• 固定字符串，带-F选项
• 基本正则表达式 (BRE)，默认
• 扩展正则表达式 (ERE)，带有-E选项
• Perl 兼容的正则表达式 (PCRE)，带有-PGNU grep 中的选项

grep 默认使用 BRE。

BRE 和 ERE 记录在POSIX的正则表达式一章中，PCRE 记录在其官方网站中。请注意，功能和语法可能因实现而异。

值得一提的是，BRE 和 ERE 都不支持懒惰：

多个相邻重复符号（“+”、“*”、“?”和间隔）的行为会产生未定义的结果。

因此，如果您想使用该功能，则需要改用 PCRE：

# PCRE greedy
$ grep -P -o 'c.*s' <<< 'can cats eat plants?'
can cats eat plants

# PCRE lazy
$ grep -P -o 'c.*?s' <<< 'can cats eat plants?'
can cats

你能解释一下.*vs.*?吗？

• .*用于匹配可能的“最长” ¹模式。

• .*?用于匹配可能的“最短” ¹模式。

根据我的经验，最想要的行为通常是第二个。

例如，假设我们有以下字符串，我们只想匹配 html 标签²，而不是它们之间的内容：

<title>My webpage title</title>

现在比较.*vs .*?：

# Greedy
$ grep -P -o '<.*>' <<< '<title>My webpage title</title>'
<title>My webpage title</title>

# Lazy
$ grep -P -o '<.*?>' <<< '<title>My webpage title</title>'
<title>
</title>

^{1.正如 Kusalananda 指出的那样，正则表达式上下文中“最长”和“最短”的含义有点棘手。有关更多信息，请参阅官方文档。
2.不建议用regex解析html。这只是一个用于教育目的的例子，不要在生产中使用它。}