一、概念
贪婪模式:正则表达式一般趋于最大长度匹配,也就是所谓的贪婪匹配。
非贪婪模式:在整个表达式成功的前提下,尽可能少的匹配。
举个栗子:
>>> content = "abbbbbbbbbbbbbbbsa"
>>> res = re.compile("ab+")
>>> res.findall(content) #贪婪模式
['abbbbbbbbbbbbbbb']
>>> res = re.compile("ab+?")#非贪婪模式
>>> res.findall(content)
['ab']
二、使用方法
在python中默认使用贪婪模式。使用非贪婪模式要在量词后直接加上英文符号"?"。
正则表达式中量词一共五中:
* | 允许当前一个字符可以出现0或无限次 |
---|---|
+ | 前一个字符至少出现1次 |
? | 前一个字符只能出现一次或者不出现 |
{m} | 允许前一个字符只出现m次 |
{m,} | 允许前一个字符最少出现m次 |
{m,n} | 允许前一个字符至少出现m次,最多出现n次(闭区间) |
三、原理分析
在正则表达式中一般默认采用的是贪婪模式,在上面的例子当中已经匹配到了"ab"时已经可以使整个表达式匹配成功,但是采用的是贪婪模式,所以还需要往后继续匹配,检查时存在更长的可以可以匹配成功的字符串。一直匹配到最后一个"b"时,后面已经没有可以成功匹配的字符串就匹配结束。返回匹配结果"abbbbbbbbbbbbbbb"。
所以我们可以将贪婪模式理解为:在整个表达式匹配成功的前提下,尽可能多的匹配。
非贪婪模式也就是将我们栗子中的正则表达式"ab+“改为"ab+?”,当匹配到"ab"时,已经匹配成功,直接结束匹配,不再向后继续尝试,返回匹配成功的字符串"ab"。
所以我们可以将非贪婪模式理解为:在整个表达式匹配成功的前提下,尽可能少的匹配。
四、举个实例
>>> example = "<div>这是文本1</div><div>这是文本2</div>"
>>> greed = re.compile("<div>.*</div>")
>>> notgreed = re.compile("<div>.*?</div>")
>>> greedResult = greed.search(example)
>>> notgreedResult = notgreed.search(example)
>>> greedResult
<_sre.SRE_Match object; span=(0, 32), match='<div>这是文本1</div><div>这是文本2</div>'>
>>> notgreedResult
<_sre.SRE_Match object; span=(0, 16), match='<div>这是文本1</div>'>
五、总结
1.从应用角度看
贪婪与非贪婪模式影响的是被量词修饰的子表达式的匹配行为。贪婪模式在这整个表达式匹配成功前提下,尽可能多的匹配;而非贪婪模式在整个表达式匹配成功的前提下,尽可能少的匹配。
2.从匹配原理角度看
能达到同样匹配结果的贪婪与非贪婪模式,通常是贪婪模式的匹配效率比较高。所有的非贪婪模式,都可以通过修改量词的子表达式,转换为贪婪模式。贪婪模式可以与固化分组结合,提升匹配效率,而非贪婪模式不可以。