Java 正則貪婪與非貪婪模式深度解析：原理、陷阱與最佳實踐

什麼是貪婪模式？

正則引擎預設採用貪婪匹配：數量詞（* + ? {n,m}）會盡可能多地匹配字元，直到無法匹配為止，再透過回溯逐步縮減以滿足整體模式。

貪婪 vs 非貪婪（懶惰/具體）對比

// 字串："1023000"
"1023000".match(/(\d+)(0*)/);      // ["1023000", "1023000", ""]      貪婪：\d+ 吞噬所有數字
"1023000".match(/(\d+?)(0*)/);     // ["1023000", "1023", "000"]    非貪婪：\d+? 只匹配必要部分

Java 代碼實戰驗證

案例一：雙引號內容提取

String str = "aaa\"bbb\"ccc\"ddd\"eee";

// 貪婪模式：\".*\"  → 匹配從第一個雙引號到最後一個雙引號
str.replaceAll("\"(.*)\"", "@");   // 結果：aaa@eee

// 非貪婪模式：\".*?\" → 匹配最近的雙引號對
str.replaceAll("\"(.*?)\"", "@");  // 結果：aaa@ccc@eee

引擎內部運作原理

貪婪匹配流程

1. 數量詞吞噬至字串末尾。
2. 後續模式匹配失敗。
3. 回溯：逐字釋放，嘗試滿足後續模式。
4. 找到最右邊可滿足位置，返回匹配結果。

非貪婪匹配流程

1. 數量詞匹配最小必要字元。
2. 嘗試匹配後續模式。
3. 失敗則向前擴展一字元，重試。
4. 找到最左邊可滿足位置，返回結果。

效能與災難：回溯失控

模式 (a+)+b 匹配 aaaaaaaaaaaaac 會觸發指數級回溯（ReDoS），導致 CPU 飆升。防範措施：

• 優先使用非貪婪或具體量詞（{n,m}）。
• 使用佔有優先量詞（*+ ++ ?+，Java 不直接支援，可用原子組 (?>...)）。
• 避免巢狀量詞，改寫邏輯或用專用解析器。

最佳實踐建議

1. 預設用非貪婪（*? +? ??），除非確定需要貪婪語義。
2. 明確邊界：用 [^"]* 替代 .*? 匹配引號內容，效率更高且無回溯。
3. 錨定開頭結尾：^...$ 減少不必要嘗試。
4. 預編譯 Pattern 重用，避免重複編譯開銷。

總結

貪婪模式匹配最長、非貪婪匹配最短，理解回溯機制是寫出高效、正確正則的關鍵。實戰中「具體化模式」優於「依賴貪婪/非貪婪」。