Delphi 正則表達式語法 (6)：貪婪匹配與非貪婪匹配

量詞 (*, +, ?, {n,m}) 預設採用「貪婪」策略：在滿足整體模式匹配的前提下，盡可能多地吞噬字元。非貪婪 (懶惰) 模式在量詞後加 ?，改為盡可能少地吞噬，只匹配滿足條件的最短字串。理解兩者差異對撰寫高效、正確的正則至關重要。

核心差異示意

經典案例：HTML 標籤匹配

var
  reg: TPerlRegEx;
begin
  reg := TPerlRegEx.Create(nil);
  try
    reg.Subject := '內容';
    
    // 貪婪：<.*>  從第一個 < 吞到最後一個 >
    reg.RegEx := '<.*>';
    reg.Replacement := '◆';
    reg.ReplaceAll;
    ShowMessage(reg.Subject);  // 結果: ◆  (整串被一個標籤吞掉)
    
    reg.Subject := '內容';
    // 非貪婪：<.*?>  遇到第一個 > 就停止
    reg.RegEx := '<.*?>';
    reg.Replacement := '◆';
    reg.ReplaceAll;
    ShowMessage(reg.Subject);  // 結果: ◆◆◆標題◆◆◆內容◆◆ (每個標籤分別匹配)
  finally
    reg.Free;
  end;
end;

為什麼貪婪會「過度匹配」？

正則引擎採用回溯演算法：貪婪量詞先吞噬整個字串，若後續模式無法匹配，再逐字「吐出」回溯。對於 `<.*>`，.* 吞到字串末尾，發現後面沒有 > (已被吞掉)，回溯到倒數第二個 > 成功，導致匹配跨越多個標籤。

非貪婪的代價與優化

• 優點：精確控制匹配範圍，避免跨越分隔符。
• 缺點：每次只吞一個字元再檢查後續模式，可能產生大量匹配嘗試，效能較差。
• 最佳替代方案：使用排除字元類別 代替 .*?。例如匹配雙引號字串："[^"]*" (無逸出) 或 "(\\"|[^"])*" (支援逸出) 比 ".*?" 快數倍，且不會跨行匹配。

實務決策指南

災難性回溯

模式如 (a+)+b 輸入 aaaaaaaaac 會導致指數級回溯。非貪婪 (a+?)+b 同樣會回溯。解決辦法：

1. 使用佔有優先量詞 (Possessive Quantifier)：a++、*+、?+、{n,m}+ (PCRE/Perl 5.10+ 支援，Delphi TPerlRegEx 視版本而定)。
2. 改寫為原子群組：(?>a+)。
3. 改用排除類別或更精確模式。

Delphi TPerlRegEx 設定選項

reg.Options := reg.Options + [preSingleLine];  // . 匹配包含換行
reg.Options := reg.Options - [preGreedy];      // 全域關閉貪婪 (較少用)

建議明確在量詞後加 ? 控制非貪婪，而非依賴全域選項，以保持模式可讀性與可攜性。

總結

1. 貪婪 = 盡量多匹配；非貪婪 = 盡量少匹配 (量詞後加 ?)。
2. 非貪婪解決「過度吞噬」問題，但可能降低效能。
3. 優先使用排除字元類別 ([^...]) 替代非貪婪，兼具精確與高效。
4. 警惕災難性回溯，善用佔有優先量詞或原子群組優化。

下一篇將介紹「邊界匹配」：單字邊界、字串開頭結尾、Unicode 屬性邊界等定位技巧。