正则表达式之贪婪匹配与非贪婪匹配

在前面正则表达式匹配规则里，提到了 .*

. :匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用像 '[.\n]' 的模式

* :匹配0个或多个

使用 .* 的话就可以匹配任意长度的任意字符，但是有时候在使用 .*时就可能匹配不到物品们想要的结果，例：

import re

s='hello 1234567 world'
res = re.match('he.*(\d+).*rld$',s)

print(res.group(1))

这里要获取中间的数字，正则表达式这样写看似没什么问题，但是运行结果却只有 7 ，这是怎么回事呢？

这里就涉及一个贪婪匹配与非 贪婪匹配的问题了。在贪婪匹配下，.* 会匹配尽可能多的字符。正则表达式中.*后面是\d+，也就是至少一个数字，并没有指定具体多少个数字，因此，.*就尽可能匹配多的字符，这里就把123456匹配了，给\d+留下个可满 足条件的数字 7.最后得到的内容就只有数字7了。

           但这很明显会给我们带来很大的不便。有时候，匹配结果会莫名其妙少了部分内容。 其实，这里只需要使用非贪婪匹配就好了。非贪婪匹配的写法是.*?，多了一个?，那么它可以达到怎样的效果?我们再用实例看一下:

import re

s='hello 1234567 world'
res = re.match('he.*?(\d+).*rld$',s)

print(res.group(1))

 

这里我们只是将第一个.*改成了.*?. 转变为非贪婪匹配。结果如下:

           1234567

           此时就可以成功获取1234567了。原因可想而知，贪婪匹配是尽可能匹配多的字符，非贪婪匹配就是尽叮能匹配少的字符。当.*?匹配到hello后面的空白字符时，再往后的字符就是数字了，而\d+恰好可以匹配，那么这里. *?就不再进行匹配，交给\d+去匹配后面的数字。所以这样，*?匹配了尽可能少的字符，\d+ 的结果就是1234567了。

            但是这里需要注意，如果匹配的结果在字符结尾，.*?就有可能匹配不到任何结果了，因为他会尽可能匹配少的字符，例：

import re

s='hello 1234567 world/python'
res1 = re.match('he.*?(\d).*rld/(.*?)',s)
res2 = re.match('he.*?(\d).*rld/(.*)',s)

print('res1',res1.group(2))
print('res2',res2.group(2))

 

运行结果为：

res1

res2 python

可以观察到，.*?没有匹配到任何结果，而.*则尽可能匹配多的字符，成功得到了匹配结果。

=================================================================================

感谢： kufeiyun  的指正