Perl正则匹配无法提取日期：贪婪与非贪婪模式差异解惑

核心问题根源 #

你的问题核心在于**贪婪匹配（.*）和非贪婪匹配（.*?）**的行为差异：正则引擎默认是贪婪模式，会尽可能匹配最长的字符序列；而非贪婪模式会尽可能匹配最短的字符序列。

测试场景回顾 #

先明确你的测试字符串和关键数字位置：

my $string = "/usr/local/bin/python3.9 -u /usr/local/bin/scripts/master_program.py 4002 daily true 20230421";
my $pythonpgm = "master_program.py";

字符串中存在两处数字：4002（脚本参数）和20230421（目标日期）。

1. 贪婪模式正则（/.*$pythonpgm \d+ .*(\d+).*/） #

这个正则的执行逻辑：

• .*$pythonpgm \d+：先匹配到master_program.py 4002，这部分没问题。
• 后续的.*是贪婪匹配，会尽可能向后吞入所有字符，直到无法满足后续的(\d+).*规则。也就是说，它会一直匹配到最后一个数字的前一位（即2023042），此时剩下的最后一个数字1刚好能被(\d+)捕获，而末尾的.*匹配空字符即可。
• 最终捕获组(\d+)只拿到了1。

执行后的输出：

midmark1 =>  1

2. 非贪婪模式正则（/.*$pythonpgm \d+ .*?(\d+).*/） #

当把.*改成.*?（非贪婪模式）后，逻辑完全不同：

• .*$pythonpgm \d+同样匹配到master_program.py 4002。
• 后续的.*?会尽可能匹配最短的字符序列，只要能让后面的(\d+)匹配到内容就停止。它只会匹配到第一个数字序列的前一位（即daily true），此时后面完整的20230421会被(\d+)捕获，末尾的.*匹配空字符即可。
• 最终捕获组(\d+)拿到了完整的目标日期20230421。

执行后的输出：

midmark2 =>  20230421

额外优化建议 #

如果你的目标是捕获master_program.py后的第二个数字序列，其实可以用更精准的正则，避免依赖贪婪/非贪婪的模糊匹配，比如：

my ($midmark3) = $string =~ /$pythonpgm \d+ \w+ \w+ (\d+)/;

这样直接指定参数位置，匹配结果更稳定，不会受字符串其他部分的干扰。

内容的提问来源于stack exchange，提问作者James Finnegan