python 贪婪和非贪婪、多行匹配正则表达式小结

转载自：http://www.cnblogs.com/belid/archive/2013/04/27/python.html

先看一个例子，然后在详细介绍。有一个这样的文件1.txt,我要把每个AAA到CCC之间的字段都匹配出来，下面是代码和注释。

#!/usr/local/bin/python
#coding:GBK
import re
fopen=open(r'/tmp/1.txt','r')
f=fopen.read().strip()

print "输出1.txt文件内容"
print f
print "---------------------------------------"

print "贪婪匹配,re.S('.'匹配字符,包括换行符)"
print re.findall(r"AAA(.*)CCC",f,re.S)
print "---------------------------------------"

print "非贪婪匹配,re.S('.'匹配字符,包括换行符)"
list=re.findall(r"AAA(.*?)CCC",f,re.S)
print list
print "---------------------------------------"

print "re.M匹配多行,这里把换行符匹配掉"
for i in list:
        print re.findall(r"(\d+)",i,re.M)
print "---------------------------------------"

print "把匹配出来的字段放到一个数组"
array=[]
for lst in list:
        re_list=re.findall(r"(\d+)",lst,re.M)
        for i in re_list:
                array.append(i)
for i in array:
        print i

输出的结果：
输出1.txt文件内容
AAA
123
314
5246
CCC
AAA
32422
CCC
---------------------------------------
贪婪匹配
['\n123\n314\n5246\nCCC\nAAA\n32422\n']
---------------------------------------
非贪婪匹配,re.S('.'匹配字符,包括换行符)
['\n123\n314\n5246\n', '\n32422\n']
---------------------------------------
re.M匹配多行,这里把换行符匹配掉
['123', '314', '5246']
['32422']
---------------------------------------
把匹配出来的字段放到一个数组
123
314
5246
32422

　

python贪婪和非贪婪

　　正则表达式通常用于在文本中查找匹配的字符串。Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；非贪婪则相反，总是尝试匹配尽可能少的字符。在"*","?","+","{m,n}"后面加上？，使贪婪变成非贪婪。

>>> s="This is a number 234-235-22-423"
>>> r=re.match(".+(\d+-\d+-\d+-\d+)",s)
>>> r.group(1)
'4-235-22-423'
>>> r=re.match(".+?(\d+-\d+-\d+-\d+)",s)
>>> r.group(1)
'234-235-22-423'
>>> 

　　正则表达式模式中使用到通配字，那它在从左到右的顺序求值时，会尽量“抓取”满足匹配最长字符串，在我们上面的例子里面，“.+”会从字符 串的启始处抓取满足模式的最长字符，其中包括我们想得到的第一个整型字段的中的大部分，“\d+”只需一位字符就可以匹配，所以它匹配了数字“4”，而“.+”则匹配了从字符串起始到这个第一位数字4之前的所有字符。

　　解决方式：非贪婪操作符“？”，这个操作符可以用在"*","+","?"的后面，要求正则匹配的越少越好。

 

　　下面这个例子仔细体会下

>>> re.match(r"aa(\d+)","aa2343ddd").group(1)
'2343'
>>> re.match(r"aa(\d+?)","aa2343ddd").group(1)
'2'
>>> re.match(r"aa(\d+)ddd","aa2343ddd").group(1) 
'2343'
>>> re.match(r"aa(\d+?)ddd","aa2343ddd").group(1)
'2343'
>>> 

 

python的多行匹配

r=re.complile(pattern,re.M)

re.M(re.MULTILINE):多行模式，改变'^'和'$'的行为,即^$标志将会匹配每一行。

>>> re.findall(r"^a(\d+)b","a213b\na2345b\na234b") 
['213']
>>> re.findall(r"^a(\d+)b","a213b\na2345b\na234b",re.M)
['213', '2345', '234']
>>> re.findall(r"a(\d+)b","a213b\na2345b\na234b")  #如果没有^标志,无需re.M
['213', '2345', '234']

tips:”^”匹配字符串的开始，在MULTILINE模式下，也匹配换行符之后。

 

re.S(re.DOTALL):点任意匹配模式

元字符“.”在默认模式下，匹配除换行符外的所有字符。在DOTALL模式下，匹配所有字符，包括换行符。

>>> re.findall(r".","\n",re.S)                         
['\n']