Python: 贪婪匹配与非贪婪匹配

时间过得可真快。一眨眼，离上次学python爬虫已经是1年零1个月了。

最近，突然 ^_^ ,想干点老本行，爬点美女图片瞅瞅~~

but 以前学过的基本都忘完了。好在“拾起来”还不算太困难。
 

贪婪匹配与非贪婪匹配。

就好比一个男人，一个渣男心里想的，老子就要全天下所有的女人。

而像我这种老实人，只想对喜欢自己的人好。

所以，这里的我就是非贪婪。而渣男就是贪婪的。即贪婪：想要的更多，尽可能多的占有。

---

言归正传，看看python是怎么用的re模块：

这里有这样一个字符串：

1.贪婪匹配： .＊

这里看到，只匹配到了7，是不是和第一眼看去猜测的不一样？

在贪婪匹配下， .＊会匹配尽可能多的字符.上图代码中 \d+ 就是至少一个数字并没有具体指定多少个数字。因此.*就会匹配尽可能多的数字,又因为\d后有个+是至少一个的意思。所以，贪婪后就只留下了7.

2.非贪婪匹配： .＊？

非贪婪匹配，即上图所示，.*后加了一个?就转变为非贪婪匹配。其结果是：

可以想象，.*?是老实人说，我不能要你太多钱， 你尽量都拿回去吧。 \d+ 又是至少一个数字，所以当然就照单全收了。

所以注意，谁是贪婪的，我们又要group(n)拿到贪婪的还是剩下的。

总结：贪婪匹配是尽可能匹配多的字符，非贪婪匹配 就是尽可能匹配少的字符

学习不枯燥，却也寂寥。。。

 

---

扩展：主要的修饰符

修饰符	描述
re.I	使匹配对大小写不敏感
re.L	做本地化识别（local-aware）匹配
re.M	多行匹配，影响^和$
re.S	使 . 匹配包括换行在内的所有字符
re.U	根据Unicode字符集解析字符.影响了\w \W \b \B
re.X	通过给予更灵活的格式以便于将正则表达式写的更易于理解

网页匹配中，用的较多的是re.I re.S