Complementando as outras respostas, o ?
como indicador de lazyness não se limita a ser usado apenas com *
e +
. Ele pode ser usado com qualquer outro quantificador, como o {}
, por exemplo.
let s = 'a1234567890';
// sem lazy, pega a maior quantidade possível
console.log(s.match(/a\d*/)); // a1234567890
console.log(s.match(/a\d+/)); // a1234567890
console.log(s.match(/a\d{3,7}/)); // a1234567
console.log(s.match(/a\d{3,}/)); // a1234567890
As expressões acima correspondem a uma letra a
seguida de determinada quantidade de dígitos (\d
seguido de um quantificador).
Nos casos acima não há o ?
, então os quantificadores estão no seu modo default, que é ser "ganancioso" (greedy), ou seja, eles tentam pegar a maior quantidade possível de caracteres que satisfaça a expressão. Para *
e +
, não há um limite máximo (o *
corresponde a zero ou mais ocorrências, e o +
corresponde a uma ou mais ocorrências), então a "maior quantidade possível que satisfaz a expressão" corresponde a "todos os dígitos" (1234567890
).
Já \d{3,7}
significa "no mínimo 3, no máximo 7 dígitos", então a maior quantidade possível que satisfaz a expressão é 7, por isso o resultado é a1234567
. E \d{3,}
significa "no mínimo 3 dígitos, sem limite máximo", então a maior quantidade possível que satisfaz a expressão é "pegar todos os dígitos", por isso o resultado é a1234567890
.
Agora se mudarmos todos esses quantificadores para o seu modo lazy:
let s = 'a1234567890';
// com lazy, pega a menor quantidade possível
console.log(s.match(/a\d*?/)); // a
console.log(s.match(/a\d+?/)); // a1
console.log(s.match(/a\d{3,7}?/)); // a123
console.log(s.match(/a\d{3,}?/)); // a123
Agora, graças ao ?
logo depois, os quantificadores se tornam "preguiçosos" (lazy), e passam a pegar a menor quantidade possível de caracteres que satisfaçam a expressão.
Como *
significa "zero ou mais ocorrências", a menor quantidade de dígitos que satisfaz a expressão é zero. Por isso o resultado do match é a
.
Já o +
significa "uma ou mais ocorrências", então a menor quantidade de dígitos que satisfaz a expressão é um. Por isso o resultado é a1
.
Por fim, {3,7}
significa "no mínimo 3, no máximo 7 ocorrências" e {3,}
significa "no mínimo 3 ocorrências, sem limite máximo", então para ambos a menor quantidade de dígitos que satisfaz a expressão é três, por isso o resultado é a123
.
Vale lembrar que o ?
também é um quantificador (que significa "zero ou uma ocorrência", que é outra forma de dizer que algo é opcional), e portanto ele também pode ser greedy (ganancioso) ou lazy (preguiçoso):
let s = 'a1234567890';
// sem lazy, pega a maior quantidade possível
console.log(s.match(/a\d?/)); // a1
// com lazy, pega a menor quantidade possível
console.log(s.match(/a\d??/)); // a
No primeiro caso, \d?
indica que o dígito é opcional. Mas por default, todo quantificador é ganancioso, então ele tenta pegar a maior quantidade possível de caracteres (que nesse caso é 1), por isso no primeiro caso o retorno é a1
.
Já no segundo caso, o quantificador ??
é preguiçoso (o primeiro ?
indica que o \d
é opcional, e o segundo ?
torna o quantificador lazy) e pega a menor quantidade possível de caracteres, que no caso é zero. Por isso o retorno é a
.
Quando usar? Depende
É muito comum as pessoas usarem .*?
sem nem parar para pensar se é isso mesmo que precisam, simplesmente porque é "mais fácil". Isso geralmente acontece porque elas primeiro tentam com .*
, que gera os problemas apontados nas outras respostas: como o ponto corresponde a qualquer caractere (exceto quebras de linha, a menos que se configure isso), ele pode acabar pegando mais caracteres do que devia, caso a regex ache necessário. E aí acabam mudando para lazy e "pronto".
Usando o exemplo da resposta do Pedro:
let string = 'Eu quero pegar uma palavra que comece com "q" seguida por um espaço.';
console.log(string.match(/(q.*) /)[1]); // quero pegar uma palavra que comece com "q" seguida por um
console.log(string.match(/(q.*?) /)[1]); // quero
O objetivo era pegar uma palavra que começa com "q", seguido por um espaço. Mas como o *
é ganancioso, por padrão ele tenta pegar o maior número possível de caracteres. E como o ponto corresponde a qualquer caractere (inclusive o espaço), ele acaba pegando espaços a mais. Para evitar esse problema, usou-se o quantificador lazy, assim a regex não avança mais do que "deveria" e só pega até o primeiro espaço.
Mas nesse caso você não precisaria usar o ponto, e nem o quantificador lazy. Se você quer parar no primeiro espaço que tiver depois do "q", é melhor ser mais específico e dizer exatamente o que você quer. Nesse caso, você não quer "qualquer coisa", e sim "qualquer coisa que não seja um espaço". Sendo assim, a regex poderia ser:
let string = 'Eu quero pegar uma palavra que comece com "q" seguida por um espaço.';
console.log(string.match(/(q[^ ]*) /)[1]); // quero
Eu usei a classe de caracteres negados [^ ]
(qualquer coisa que não seja espaço) - repare que há um espaço antes do ]
. Sendo assim, o quantificador nem precisa ser lazy, pois o [^ ]*
já me garante que a regex só vai avançar até encontrar um espaço. Isso deixa não só a regex mais clara quanto à sua intenção, mas também mais eficiente: basta comparar aqui e aqui a quantidade de passos que cada uma executa e ver que a opção com [^ ]
precisa de menos passos que .*?
.
Isso acontece porque, embora o quantificador lazy .*?
funcione, ele cobra o seu preço. Basicamente, depois de encontrar o primeiro q
(na palavra "quero"), o .*?
verifica se logo depois tem um espaço (ele é preguiçoso, então primeiro ele tenta com zero caracteres depois do q
). Mas como logo depois não tem um espaço, a regex volta e o .*?
encontra o u
, e então verifica se o próximo caractere é um espaço. Como não é, ela volta e o .*?
consome a letra e
, e avança para ver se tem um espaço depois. Como não tem, ela volta e pega o r
, e assim por diante, até encontrar o espaço. Todo esse vai e volta é chamado de backtracking, e é um processo custoso, dependendo da regex e das strings que ela está verificando. O ponto é que a regex sempre vai testar todas as possibilidades, até encontrar um match (ou até perceber que não há nenhum). E usando o ponto, as possibilidades aumentam ainda mais, já que ele corresponde a qualquer caractere.
Já usando [^ ]
(ou qualquer outra expressão mais restritiva que o ponto), as coisas mudam: como o [^ ]
foi usado com um quantificador greedy, o comportamento da regex é avançar de uma vez, o máximo de caracteres que puder - e no caso, ela avança até encontrar um espaço, que é justamente o que pretendíamos (e o melhor: sem o backtracking que ocorre com .*?
). Ou seja, eu me aproveitei do comportamento ganancioso do quantificador para que a regex seja mais eficiente (se eu torná-lo lazy não haverá ganho algum, pois será feito backtracking, veja). Além disso, o fato de eu usar uma expressão mais específica (qualquer coisa que não seja espaço) em vez do ponto (que pode ser qualquer coisa), me garante que a regex não vai avançar mais do que devia.
Obviamente que, para strings pequenas ou regex que serão executadas poucas vezes, em situações nas quais o desempenho não é algo tão crítico, etc, a diferença não é tão grande assim, e de qualquer forma, se eficiência é um requisito importante, devem ser feitos testes para saber se a regex é de fato o gargalo. E a quantidade exata de passos executados pela regex pode variar conforme a situação, pois algumas linguagens e engines podem fazer certas otimizações dependendo da expressão e/ou das strings envolvidas (mas o backtracking causado por um quantificador lazy continua sendo um fator que piora o desempenho, independente disso).
De qualquer forma, ainda acho que é importante saber que o uso indiscriminado de .*?
nem sempre é a melhor solução. Nem sempre você quer "qualquer coisa", muitas vezes você quer "qualquer coisa, desde que não seja X, Y ou Z".
Obs: ainda tem outra diferença. O ponto, por default, não considera as quebras de linha, mas [^ ]
sim (veja). Se não quiser pegar as quebras de linha, pode trocar para q\S*
(o atalho \S
é tudo que não for espaço ou quebra de linha - veja), ou para algo mais específico como q[a-z]*
(veja). Enfim, há várias opções para não precisar do quantificador lazy.
Outro caso em que o uso do quantificador lazy não é tão interessante é quando você quer pegar "tudo até o final da linha". Como o ponto, por padrão, não considera quebras de linha, eu poderia fazer:
let string = "Vou pegar tudo depois do número 1: esse é o trecho que quero pegar, até o final da linha\nEsse trecho está em outra linha e não quero";
console.log(string.match(/\d: (.*)/)[1]); // esse é o trecho que quero pegar, até o final da linha
No caso, a regex tem \d:
(um número seguido de :
e espaço), e depois eu tenho (.*)
(zero ou mais ocorrências de qualquer coisa). Mas por default o ponto não considera as quebras de linha, então ele avança até encontrar o \n
. Eu me aproveito do comportamento greedy para fazer a regex avançar até onde quero sem precisar fazer backtracking (veja aqui ela funcionando).
Mas se eu trocar a regex para \d: (.*?)
, ela não pega o restante da linha (pois ele vai pegar a menor quantidade de caracteres, e nesse caso é zero, conforme os primeiros exemplos acima) - veja. Neste caso eu teria que indicar que quero tudo até a quebra de linha, mudando a regex para \d: (.*?)\n
, por exemplo. Mas aí o quantificador lazy fará o backtracking para verificar se já chegou ao final da linha, tornando a regex menos eficiente, veja.
Resumindo, nem sempre o quantificador lazy é a melhor solução (aliás, nem sempre ele é a solução).
Para os seus exemplos, o resultado é o mesmo porque você usou os marcadores ^
e $
(início e fim da string), então ^.*$
e ^.*?$
vão pegar "qualquer coisa do início ao fim da string", ou seja, tanto faz, pois sempre vai encontrar um match (a diferença é que .*
vai dar match em strings vazias, enquanto .+
exige que haja pelo menos um caractere). Mas ainda sim há uma diferença de desempenho, veja aqui, aqui, aqui e aqui.
E sobre o uso indiscriminado de .*?
e as consequências de forçar a regex a fazer muitos backtrackings, vale ler este artigo.