关注RPA请访问网站:
www.i-search.com.cn
学Python,用RPA,欢迎下载使用
www.i-search.com.cn/index.html?from=line1
问题
你正在试着用正则表达式匹配某个文本模式,但是它找到的是模式的最长可能匹配。 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:
str_pat = re.compile(r’"(.*)"’)
text1 = ‘Computer says “no.”’
str_pat.findall(text1)
[‘no.’]text2 = ‘Computer says “no.” Phone says “yes.”’
str_pat.findall(text2)
[‘no." Phone says "yes.’]
在这个例子中,模式 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的可能匹配。 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 * 操作符后面加上? 修饰符,就像这样:
str_pat = re.compile(r’"(.*?)"’)
str_pat.findall(text2)
[‘no.’, ‘yes.’]
这样就使得匹配变成非贪婪模式,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点 (.) 字符的正则表达式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。 然而,如果你将点 (.) 号放在开始与结束符 (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。 通过在 * 或者 + 这样的操作符后面添加一个 ? 可以强制匹配算法改成寻找最短的可能匹配。