2.7最短匹配模式

问题

​ 正则表达式匹配某个文件模式，但是它是找到的模式最长可能匹配。而你想修改它变成查找最短的可能匹配。

解决方案

​ 这个问题一般出现在需要匹配一对分隔符之间的文本的时候（比如引号包含的字符串）。为了说明清楚，考虑如下的例子：

import re

str_pat = re.compile(r'\"(.*)\"')
text1 = 'Computer says "no."'
print(str_pat.findall(text1))  # ->['no.']
text2='Computer says "no." Phone says "yes."'
print(str_pat.findall(text2))
# ->['no." Phone says "yes.']

​ 在这个例子中，默认r'\"(.*)\"'的意图是匹配被双引号包含的文本。但是在正则表达式中*操作符是贪婪的，因此匹配操作会查找最长可能匹配。于是在第二个例子中搜索text2的时候返回结果并不是我们想要的。

​ 为了修正这个问题，可以在模式中的*操作符号后面加上？操作修饰符，就像这样：

text2='Computer says "no." Phone says "yes."'
str_pat = re.compile(r'\"(.*?)\"')
print(str_pat.findall(text2))  #->['no.', 'yes.']

​ 这样匹配就变成了非贪婪模式，从而得到最短的匹配，也就是我们想要的结果。

讨论

​ 这一节展示了在写包含(.)字符的正则的时候遇到的一些常见问题。

​ 在一个模式字符串中，点(.)匹配除了换行外的任何字符串。如果将点(.)放在开始与结束符（比如引号）之间的时候，那么匹配操作会查找符合模式的最长可能匹配。

​ 这样通常会导致很多中间的被开始与结束符包含的文本被忽略掉，并最终被包含在匹配结果字符串中返回。通过*或者+这样的操作符后面加上？可以强制匹配算法改成寻找最短的可能匹配。