正则表达式 量词、条件结构

量词

量词是正则表达式的灵魂，也是正则表达式具有强大的文本处理能力的核心原因。常见的量词包括：

量词作用于左侧最近的一个字符。下式含义是将类似于abccc的字符序列替换为字符序列abc，即去掉末尾多余的c。注意量词作用于c，要让量词作用于abc，可以加括号，如(abc)+。

$content =~ s/abc+/abc/g;

匹配优先

正则表达式(.*)(.*)匹配文本abcdef，应该是什么结果？答案是第一个.*匹配了全部文本，第二个.*什么都没匹配到。

出现这样的结果是因为量词匹配默认是匹配优先的，它会尽量多匹配字符，仅在匹配失败的时候进行回溯。如果正则表达式是(.*)(.+)，第一个.*匹配abcde，第二个.+匹配f。匹配的过程是，第一个.*先匹配了所有文本，到.+匹配的时候没有文本了，这次的匹配会失败，然后会发生回溯，.*退回一个字符f，然后.+匹配了字符f，正则表达式匹配成功。

默认匹配优先是很有好处的，符合正常的直觉。它使得我们可以用.*来匹配所有文本。但某些时候我们需要改变这种默认行为。

非匹配优先

在量词后加个?可以使量词变成非匹配优先。这个时候量词会尽量少的匹配字符，仅在匹配失败的时候匹配更多的字符。正则表达式(.*?)(.*?)匹配文本abcdef，结果是两个.*?都匹配为空，匹配都为0次，这个时候正则表达式匹配成功。正则表达式(.*?)f匹配文本abcdef，结果是.*?匹配abcde，匹配过程是.*?先匹配0次，f不匹配a，匹配失败，.*?匹配一次，f不匹配b，匹配失败。一直到.*?匹配abcde，f匹配f，匹配成功。

占有优先

在量词后加个+可以使量词变成占有优先匹配，它是不保存状态的匹配，也就是说无法回溯。

正则表达式(.*+)(.+)匹配文本abcdef，会匹配失败，.*+匹配了所有文本，.+无法匹配，而且因为没有状态保存，无法回溯，所以匹配失败。

条件结构

量词?属于条件结构的一种，表示可选的匹配（0次或一次）。另一个条件结构是|，语义是或。a|b表示匹配a或者b。下式表示把abc或者abd替换为空（删除）。

$content =~ s/abc|abd//g;

|优先级很低，所以上式是abc或abd而不是c或a。