正则贪婪匹配vs非贪婪匹配：为什么你的规则抓多了

你写了<b>.*</b>想抓粗体标签里的内容，拿<b>Hello</b>测试完全没问题。结果放到真实HTML上跑，同一行里有两个粗体标签——<b>Hello</b> and <b>World</b>——结果没得到两个匹配，而是得到一个横跨两个标签的巨大匹配。这不是正则引擎的bug，而是*、+、{n,m}的默认行为，搞清楚原理之后只要加一个字符就能修好。

为什么.*抓的比你想象的多

正则里的量词默认是贪婪的——.*不是“匹配一些字符”的意思，而是“尽可能匹配最多的字符，只有在后面的规则实在匹配不上时才往回退一点”。

一步步拆解<b>.*</b>匹配<b>Hello</b> and <b>World</b>的过程：

1. <b>匹配到第一个<b>。
2. .*一上来就把剩下的整个字符串全吞掉——一直到结尾，包括第二个<b>World</b>。
3. 引擎接下来需要找到</b>才能完成匹配，于是开始从.*的末尾往回一个字符一个字符地退。
4. （从末尾往回扫描）第一个能对上</b>的位置，是字符串里最后一个</b>——不是逻辑上“应该”停的第一个位置。

所以最终匹配到的是整个<b>Hello</b> and <b>World</b>，因为贪婪匹配总是先尝试最长的可能字符串，只在必须的情况下才缩小到刚好够让后面的规则成立。

修法：加个?让量词变懒

在量词后面立刻加一个?，就能把它从贪婪翻转成懒惰（也叫“非贪婪”）：*?、+?、??、{n,m}?。

懒惰量词做的是反过来的事：一上来先匹配尽可能少的字符，只有在后面的规则还匹配不上时才继续扩展。

用<b>.*?</b>匹配同一个字符串：

1. <b>匹配到第一个<b>。
2. .*?一上来匹配零个字符。
3. 引擎检查：这个位置能匹配</b>吗？不能（现在停在“Hello…“前面，还没到</b>）——于是.*?往后扩展一个字符，再检查一次。
4. 这个过程一个字符一个字符重复，直到.*?刚好吞掉了Hello，这时</b>立刻就能匹配上了。

结果：<b>Hello</b>和<b>World</b>分别作为两个独立的匹配返回——这几乎总是你在解析标签类或分隔符类结构时真正想要的结果。

什么时候真的该用贪婪（不是说贪婪就是“错误的默认值”）

贪婪不是这门语言设计上的失误——它对应的是另一种同样常见的场景：**抓的是某个东西最外层的边界，而不是里面最小的那个单元。**如果你要从一段类JSON文本里抓“从第一个{到最后一个}之间的所有内容”（比如不管嵌套多深，抓整个对象），这时候贪婪才是对的，用懒惰反而会在第一个内层}就提前停下，得到一段被截断、不完整的片段。

经验法则：懒惰用于抓多个重复的小分隔片段（标签、引号字符串、列表项）；贪婪用于“抓整个外层跨度”。

快速参考

模式	行为	什么时候用
.*、.+、{n,m}	贪婪——匹配尽可能长	想抓最外层的跨度，或者字符串里只有一处匹配
.*?、.+?、{n,m}?	懒惰——匹配尽可能短	有多个相似的分隔片段，想把每一个分别抓出来

如果你不确定某个规则在真实数据（而不是测试用的短字符串）上到底是怎么匹配的，直接拿真实的多匹配文本放进正则测试工具里，靠实时高亮一眼就能看出来——贪婪会看到一大块被高亮，懒惰会看到好几块分开的高亮，通常比一步步在脑子里推理更快。