php - 一个正则贪婪和非贪婪的疑问

Question

    $exp = '/\d+?\_\d+?/';
    $str = "我的电话是123_45678";

    preg_match($exp, $str, $match);

    echo ($match[0]); // '123_4' 

查资料说+号后面加一个问号，即(+?) 就是取消默认的贪婪模式匹配。 那按照我上面的正则，预想应该是输出1_4呀。 为什么第一组\d+? 匹配的不对，而第二组\d+?就匹配到一个4. 不明白了？

Answer 1

正则表达式的机制是有限状态自动机。它会从一个字符串的第一个字符开始匹配正则。

那么，\d+?_\d+?这个正则，首先会从字符串的第一个字符（即'''我'''开始匹配），发现不符合条件，就接着往下匹配，直到匹配到了1这个字符，发现符合\d+?的条件，存起来，继续匹配，匹配到_这个字符，发现已经符合了\d+?_的所有条件，就继续往下又匹配到了4，因为是非贪婪的模式，所以到4就结束了，如果是贪婪，那么会匹配到最后的8。

在上述过程中，最开始的\d+?是从1开始匹配并记录的，因为有后面_的关系，所以它会把123都匹配上，只有这样才能满足正则表达式。这个时候非贪婪就不起作用了。

关于非贪婪，下面这个例子可能会帮你更好地理解它。

有这样一个字符串<p>1</p>，如果采用<(.*?)>的模式去匹配，就会匹配到<p>和</p>，用贪婪模式的话，会匹配到整个字符串。
这样的差别是因为，在（.*）是非贪婪时，正则找到第一个>就停下了，完成了匹配。而在贪婪时，正则要找到符合条件的最后一个>，才会停止匹配。当然这个也和（.*）是有关系的。如果换成\w+，这样的话，贪不贪婪也就没有影响了。
我可能也说得不是很清楚，楼主可以再体会一下。

Answer 2

'/\d+?\_\d+?/'

尽可能少的一串数字（至少1个），后面跟着一个_，再后面跟着 尽可能少的一串数字（至少1个）

体会一下这个整体， 和中间的连接词。。。

或者换句话说， 正则表达式匹配的是连续的字符序列， 拆开算什么鬼。。。

Answer 3

贪婪 与 非贪婪(惰性) 两者的前提都是需要匹配成功，区别在于：

贪婪 是在匹配成功的前提下，尽可能多的去匹配
非贪婪(惰性)是在匹配成功的前提下，尽可能少的去匹配

同时，正则表达式还有另外一条规则，比贪婪、非贪婪(惰性)规则的优先级更高

最先开始的匹配拥有最高的优先权——The match that begins earliest wins

根据以上原则，回归到楼主的正则表达式里：
第一个 \d+? 因为它后面有一个 _，它会匹配字符串里的 123_(优先级高) 而不是 3_，也不是楼主说的 1_(匹配不成功)；
第二个 \d+? 会匹配到 4(尽可能少匹配) 而不是45678