În mod implicit, toți cuantificatorii standard din expresiile regulare (`*`, `+`, `{n,}`) sunt Lacomi (Greedy): încearcă să consume cât mai multe caractere posibil din text, oprindu-se abia la ultimul caracter care satisface condiția.
Acest comportament produce erori frecvente la parsarea de HTML sau JSON: expresia `
.*
` aplicată pe textul `
Unu
Doi
` nu va potrivi primul paragraf, ci va înghiți tot textul de la primul `
` până la ultimul `
` de pe pagină!
Adăugarea semnului întrebării transformă cuantificatorul într-unul Leneș (Lazy / Reluctant): .*? consumă numărul minim necesar de caractere, oprindu-se imediat la prima apariție a delimitatorului final. De asemenea, înțelegerea acestei diferențe este esențială pentru a preveni atacurile de tip ReDoS (Regular Expression Denial of Service).
Sintaxă, opțiuni și concepte cheie
| Opțiune / Concept | Descriere practică |
|---|---|
.* (Greedy) |
Consumă cel mai lung șir posibil de caractere până la finalul textului. |
.*? (Lazy) |
Consumă cel mai scurt șir posibil de caractere oprindu-se la prima potrivire validă. |
+? (Lazy Plus) |
Potrivește cel puțin un caracter, dar cât mai puține posibil. |
Catastrophic Backtracking |
Fenomenul în care cuantificatorii imbricați lacomi blochează procesorul la 100%. |
Exemple practice și cod
Exemplul 1: Extragerea corectă a tag-urilor HTML dintr-un document
Diferența dintre potrivirea lacomă și cea leneșă.
Text de test:
"Titlu Unu și Titlu Doi"
1. Cuantificator Greed (Greșit):
Expresie: .*
Rezultat: "Titlu Unu și Titlu Doi" (o singură potrivire uriașă nedorită!)
2. Cuantificator Lazy (Corect):
Expresie: .*?
Rezultat 1: "Titlu Unu"
Rezultat 2: "Titlu Doi" (două potriviri distincte curate!)Rezultat & Impact
Separare perfectă a elementelor fără a înghiți textul intermediar.Greșeli frecvente și bune practici
- Folosirea `.*?` pentru parsarea structurilor imbricate adânc de HTML/XML; regex-ul nu poate ține evidența parantezelor imbricate corect (folosiți un parser DOM dedicat).
- Scrierea de expresii de tipul `(a+)+$` care generează complexitate de calcul exponențială $O(2^n)$ la șiruri lungi de caractere neconforme.