JS正则表达式中的贪婪与非贪婪模式有什么区别

一、语法形态与量词对照表

在 JavaScript 正则表达式中，控制字符出现次数的符号被称为量词（Quantifier）。常见的量词包括 *、+、? 以及区间量词 {n,m}。默认状态下，这些量词均按照贪婪语义工作。要开启非贪婪模式，无需修改全局修饰符，只需直接紧随量词之后添加英文问号 ?。

观察上述表格会发现一个极易让初学者困惑的符号：??。第一个问号代表“出现 0 次或 1 次”的量词，第二个问号则代表“非贪婪修饰符”。因此 ?? 的真实含义是：这是一个可以在 0 与 1 之间选择的量词，但它极其偏向于取 0 次。

二、底层执行推导：贪婪吞噬与向左回溯

要真正理解两者的差异，必须深入到正则引擎（如 V8 的 Irregexp 引擎）的内部状态变迁。很多开发者以为贪婪匹配只是“刚好截取了更长的字符串”，但实际上贪婪匹配的执行路径是“先全部吞入到底，碰壁后再一步一步向左吐出”，这个向左吐出字符以成全后续模式匹配的过程被称为回溯（Backtracking）。

考虑以下经典代码片段：

// 目标：提取 HTML 中的第一对 div 标签
const html = '<div>text</div>';
const greedyPattern = /<.*>/;
const result = html.match(greedyPattern);

console.log(result[0]); 
// 实际输出示例：
// "<div>text</div>"

在上述代码中，我们的初衷可能是想捕获标签头 <div>，但实际输出却吃掉了整整一行，甚至包括了闭合标签 </div>。正则引擎的推导过程如图 2 所示：

1. 左侧定界符锚定：模式首先扫描到 <，命中字符串第 0 位的 <。
2. 通配符极度吞噬：紧接着遇到贪婪量词 .*。因为 . 能够匹配除换行符外的任意字符，贪婪特性会指令游标直接一路快进到字符串的最末尾（将 div>text</div> 全部吃掉）。
3. 右侧条件碰壁：此时模式要求下一个字符必须是 >。但当前游标已经站在字符串尾端（EOF），无字符可供匹配，宣告当前尝试失败。
4. 触发回溯吐字：由于贪婪量词持有可退让的字符，引擎将游标向左回退一个字符，让 .* 放弃对最后一个字符 > 的占有。
5. 再次验证并成功：被吐出的字符正好是 >，与模式末尾的 > 成功吻合，整个正则表达式匹配成功退出。

三、底层执行推导：非贪婪的最小尝试与逐步试探

与贪婪模式截然相反，非贪婪模式秉持“能不吃就不吃，满足即止”的原则。它在遇到量词时，首先选择量词区间的最小值；随后立刻交出控制权，让紧随其后的子表达式先行尝试。如果后续表达式匹配失败，非贪婪量词才被迫多摄入一个字符，再次交出控制权。

const html = '<div>text</div>';
const lazyPattern = /<.*?>/;
const result = html.match(lazyPattern);

console.log(result[0]); 
// 实际输出示例：
// "<div>"

如图 3 所示，当引擎在第 0 位匹配到 < 后，紧跟着遇到 .*?：

• .*? 能够匹配 0 次，因此它首先选择消耗 0 个字符，立即让后续的 > 进行匹配。
• 后续字符是 'd'，与 > 不符，匹配失败。
• .*? 被迫递增匹配范围，吞入 'd'（长度变为 1），再次把控制权转交给 >，测试字符 'i'，仍不匹配。
• 继续依序吞入 'i'、'v'。此时游标到达第 4 位，后续字符正是 >。
• > 成功匹配，正则表达式整体成立，引擎直接结算并返回 "<div>"，不再往后多看哪怕一个字符。

四、初学者极易踩坑的“最左优先”原则

在关于非贪婪模式的讨论中，最普遍的一个误区是：“非贪婪模式会在目标字符串中寻找整体长度最短的匹配片段。”

通过下面这道经典的测试用例可以清晰验证：

const source = "a123a4b";
const pattern = /a.*?b/;
const matched = source.match(pattern);

console.log(matched[0]);
// 疑问：子串中包含两个 a，"a4b" 明显比 "a123a4b" 短得多，
// 非贪婪模式是否会返回 "a4b"？
// 
// 实际输出示例：
// "a123a4b"

执行结果依然是 "a123a4b"。原因在于：引擎从左向右扫描，在索引 0 处遇到了第一个 a，此时匹配引擎已经锚定了起点。在当前起点下，.*? 逐步向右探测，直到遇到第 6 位的 b 宣告成功。引擎绝不会为了让匹配结果更短，而故意放弃已经成功建立的左侧起点去往后寻找第二个 a。

五、工程实践中的模式选型与性能权衡

虽然非贪婪模式 .*? 能够有效解决跨标签匹配的问题，但在实际工程开发（如海量日志解析、复杂富文本过滤）中，无节制地滥用非贪婪量词往往会引入意想不到的性能损耗，甚至埋下正则表达式拒绝服务攻击（ReDoS）的隐患。

1. 为什么“排除型字符组”通常优于“非贪婪通配”？

当我们要提取闭合标签内的属性或内容时，很多人的第一反应是写 /<.*?>/g。但请注意，非贪婪模式在遇到不匹配的情况时，每前进一步都会进行一次上下文切换（尝试后方匹配 -> 失败 -> 吞入一个字符 -> 再次尝试后方匹配）。如果文本较长且闭合符号缺失，会导致大量的回溯计算。

相比之下，更健壮且高效的方案是使用排除型字符组（Negated Character Class）：

// 方案 A：非贪婪通配（存在逐步试探的开销）
const regexLazy = /<[^>]*?>/g; 

// 方案 B：排除型字符组（推荐最佳实践）
const regexNegated = /<[^>]*>/g; 

// 性能与确定性对比：
// [^>]* 表示“只要不是 > 就全速吞噬”，当它停下时，下一个字符必然是 >（或者字符串结束）。
// 正则引擎不需要来回试探，零多余回溯，单次扫描即可完成。

2. 常见场景选型对照

• 提取单双引号内的字符串：
  避免使用 /"(.*)"/（会吞噬掉整行中所有引号之间的一切）；
  普通场景可用 /"(.*?)"/；
  性能最优解是 /"([^"\]*(?:\.[^"\]*)*)"/（使用排除字符组，并兼顾转义字符）。
• 跨行多字符定界符（如多行注释 /* ... */）：
  由于定界符是由多个字符 */ 组合而成，单字符排除集无法表达，此时非贪婪量词是表达力最强、最简洁的工具：/\/\*[\s\S]*?\*\//g。
• 获取路径或文件名的最终扩展名：
  如从 archive.tar.gz 中获取最后一个后缀 gz。此时应当利用贪婪模式的特性：/.*\.(\w+)$/。开头的 .* 会贪婪吞掉前面的所有点（包括 .tar），直到最后一个点才停下，从而精准捕获最终后缀。

六、总结与速记口诀