python re模組匹配時貪婪和非貪婪模式

正規表示式通常用於在文字中查詢匹配的字串。正規表示式模式中使用到通配字，當它在從左到右的順序求值時，會盡量「抓取」滿足匹配最長字串。python裡數量詞預設是貪婪的（在少數語言裡也可能是預設非貪婪），總是嘗試匹配盡可能多的字元；非貪婪則相反，總是嘗試匹配盡可能少的字元。在"*","?","+",""後面加上？，使貪婪變成非貪婪

預設情況下，正規表示式將進行貪婪匹配。所謂「貪婪」，其實就是在多種長度的匹配字串中，選擇較長的那乙個。例如，如下正規表示式本意是選出人物所說的話，但是卻由於「貪婪」特性，出現了匹配不當：

>>> sentence = """you said "why?" and i say "i don't know"."""
>>> re.findall(r'"(.*)"', sentence)
['why?" and i say "i don\'t know']

當我們期望正規表示式「非貪婪」地進行匹配時，需要通過語法明確說明：

?捕獲2-5次，但是優先次數少的匹配

在這裡，問號?可能會有些讓人犯暈，因為之前他已經有了自己的含義：前面的匹配出現0次或1次。其實，只要記住，當問號出現在表現不定次數的正規表示式部分之後時，就表示非貪婪匹配。

非貪婪例子：

>>> sentence = """you said "why?" and i say "i don't know"."""
>>> re.findall(r'"(.*?)"', sentence)
['why?', "i don't know"]

>>> re.findall('hi*?', 'hiiiii')
['h']
>>> re.findall('hi?', 'hiiiii')
['hii']
>>> re.findall('hi?', 'hiiiii')
['hi']

例子：

import re
content = 'hello 1234567 world_this is a demo'
result = re.match('^he.*(\d+).*demo$', content)
print(result)
print(result.group(1))

執行結果：

<_sre.sre_match object; span=(0, 35), match='hello 1234567 world_this is a regex demo'>
7

貪婪匹配下，.*會匹配盡可能多的字元，我們的正規表示式中.*後面是\d+，也就是至少乙個數字，並沒有指定具體多少個數字，所以.*就盡可能匹配多的字元，所以它把123456也匹配了，給\d+留下乙個可滿足條件的數字7，所以\d+得到的內容就只有數字7了。

import re
content = 'hello 1234567 world_this is a demo'
result = re.match('^he.*?(\d+).*demo$', content)
print(result)
print(result.group(1))

執行結果：

<_sre.sre_match object; span=(0, 40), match='hello 1234567 world_this is a regex demo'>
1234567

貪婪匹配是盡可能匹配多的字元.*?之後是\d+用來匹配數字，當.*?匹配到hello後面的空白字元的時候，再往後的字元就是數字了，而\d+恰好可以匹配，那麼這裡.*?就不再進行匹配，交給\d+去匹配後面的數字。所以這樣，.*?匹配了盡可能少的字元，\d+的結果就是1234567了

>>> re.match(r"aa(\d+)","aa2343ddd").group(1)
'2343'
>>> re.match(r"aa(\d+?)","aa2343ddd").group(1)
'2'>>> re.match(r"aa(\d+)ddd","aa2343ddd").group(1) 
'2343'
>>> re.match(r"aa(\d+?)ddd","aa2343ddd").group(1)
'2343'

嚴格來說，這一部分並不是非貪婪特性。但是由於其行為與非貪婪類似，所以為了方便記憶，就將其放在一起了。

(?=abc)捕獲，但不消耗字元，且匹配abc

(?!abc)捕獲，不消耗，且不匹配abc

在正規表示式匹配的過程中，其實存在「消耗字元」的過程，也就是說，一旦乙個字元在匹配過程中被檢索（消耗）過，後面的匹配就不會再檢索這一字元了。

例子：想找出字串中出現過1次以上的單詞

>>> sentence = "oh what a day, what a lovely day!"
>>> re.findall(r'\b(\w+)\b.*\b\1\b', sentence)
['what']

在第乙個(\w+)匹配到what，並且其後的\1也匹配到第二個what的時候，「oh what a day, what」這一段子串都已經被正規表示式消耗了，所以之後的匹配，將直接從第二個what之後開始。自然地，這裡只能找出乙個出現了兩次的單詞。

那麼解決方案，就和上面提到的(?=abc)語法相關了。這樣的語法可以在分組匹配的同時，不消耗字串！所以，正確的書寫方式應該是：

>>> re.findall(r'\b(\w+)\b(?=.*\b\1\b)', sentence)
['what', 'a', 'day']

如果我們需要匹配乙個至少包含兩個不同字母的單詞，則可以使用(?!abc)的語法：

>>> re.search(r'([a-z]).*(?!\1)[a-z]', 'aa', re.ignorecase)
>>> re.search(r'([a-z]).*(?!\1)[a-z]', 'ab', re.ignorecase)
<_sre.sre_match object; span=(0, 2), match='ab'>

則可以匹配字串abba 第乙個圓括號內的正則匹配字元a，則在字串最後\1這個位置必須是字元a,第二個括號匹配字元b,在倒數第二個位置\2必須是字元b 如果有巢狀的圓括號，順序是按左括號的次序計算的

二、\b

\b 稱為單詞邊界（word boundary）符,例如只想匹配 my cat is bad.中的cat 可以使用 \bcat\b

#re.i要在compile的時候指定,注意\b在python中是回退符，正則模式之前一定要加r(raw string)

p = re.compile(

r'\bcat\b'

, re.i)

三、python字串前面加u,r,b的含義

python re模組匹配時貪婪和非貪婪模式

python re模組匹配貪婪和非貪婪模式詳解

python基礎 re模組匹配時貪婪和非貪婪模式

貪婪匹配和非貪婪匹配

python re模組匹配時貪婪和非貪婪模式

python re模組匹配貪婪和非貪婪模式詳解

python基礎 re模組匹配時貪婪和非貪婪模式

貪婪匹配和非貪婪匹配

相關推薦