之前已經(jīng)簡(jiǎn)單介紹了Python正則表達(dá)式的基礎(chǔ)與捕獲，那么在這一篇文章里，我將總結(jié)一下正則表達(dá)式的貪婪/非貪婪特性。
貪婪
默認(rèn)情況下，正則表達(dá)式將進(jìn)行貪婪匹配。所謂“貪婪”，其實(shí)就是在多種長(zhǎng)度的匹配字符串中，選擇較長(zhǎng)的那一個(gè)。例如，如下正則表達(dá)式本意是選出人物所說(shuō)的話，但是卻由于“貪婪”特性，出現(xiàn)了匹配不當(dāng)：
|
1
2
3
|
>>> sentence = """You said "why?" and I say "I don't know".""">>> re.findall(r'"(.*)"', sentence)['why?" and I say "I don\'t know'] |
再比如，如下的幾個(gè)例子都說(shuō)明了正則表達(dá)式“貪婪”的特性：
|
1
2
3
4
5
6
|
>>> re.findall('hi*', 'hiiiii')['hiiiii']>>> re.findall('hi{2,}', 'hiiiii')['hiiiii']>>> re.findall('hi{1,3}', 'hiiiii')['hiii'] |
非貪婪
當(dāng)我們期望正則表達(dá)式“非貪婪”地進(jìn)行匹配時(shí)，需要通過(guò)語(yǔ)法明確說(shuō)明：
{2,5}? 捕獲2-5次，但是優(yōu)先次數(shù)少的匹配
在這里，問(wèn)號(hào)?可能會(huì)有些讓人犯暈，因?yàn)橹八呀?jīng)有了自己的含義：前面的匹配出現(xiàn)0次或1次。其實(shí)，只要記住，當(dāng)問(wèn)號(hào)出現(xiàn)在表現(xiàn)不定次數(shù)的正則表達(dá)式部分之后時(shí)，就表示非貪婪匹配。
還是上面的那幾個(gè)例子，用非貪婪匹配，則結(jié)果如下：
|
1
2
3
4
5
6
|
>>> re.findall('hi*?', 'hiiiii')['h']>>> re.findall('hi{2,}?', 'hiiiii')['hii']>>> re.findall('hi{1,3}?', 'hiiiii')['hi'] |
另外一個(gè)例子中，使用非貪婪匹配，結(jié)果如下：
|
1
2
3
|
>>> sentence = """You said "why?" and I say "I don't know".""">>> re.findall(r'"(.*?)"', sentence)['why?', "I don't know"] |
捕獲與非貪婪
嚴(yán)格來(lái)說(shuō)，這一部分并不是非貪婪特性。但是由于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，但不消耗字符，且匹配abc
(?!abc) 捕獲，不消耗，且不匹配abc
在正則表達(dá)式匹配的過(guò)程中，其實(shí)存在“消耗字符”的過(guò)程，也就是說(shuō)，一旦一個(gè)字符在匹配過(guò)程中被檢索（消耗）過(guò)，后面的匹配就不會(huì)再檢索這一字符了。
知道這個(gè)特性有什么用呢？還是用例子說(shuō)明。比如，我們想找出字符串中出現(xiàn)過(guò)1次以上的單詞：
|
1
2
3
|
>>> sentence = "Oh what a day, what a lovely day!">>> re.findall(r'\b(\w+)\b.*\b\1\b', sentence)['what'] |
這樣的正則表達(dá)式顯然無(wú)法完成任務(wù)。為什么呢？原因就是，在第一個(gè)(\w+)匹配到what，并且其后的\1也匹配到第二個(gè)what的時(shí)候，“Oh what a day, what”這一段子串都已經(jīng)被正則表達(dá)式消耗了，所以之后的匹配，將直接從第二個(gè)what之后開始。自然地，這里只能找出一個(gè)出現(xiàn)了兩次的單詞。
那么解決方案，就和上面提到的(?=abc)語(yǔ)法相關(guān)了。這樣的語(yǔ)法可以在分組匹配的同時(shí)，不消耗字符串！所以，正確的書寫方式應(yīng)該是：
|
1
2
|
>>> re.findall(r'\b(\w+)\b(?=.*\b\1\b)', sentence)['what', 'a', 'day'] |
如果我們需要匹配一個(gè)至少包含兩個(gè)不同字母的單詞，則可以使用(?!abc)的語(yǔ)法：
|
1
2
3
|
>>> 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'> |
總結(jié)
以上就是Python正則表達(dá)式中關(guān)于貪婪的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者使用python能能帶來(lái)一定的幫助，如果有疑問(wèn)大家可以留言交流，如果有疑問(wèn)大家可以留言交流。下一篇文章，我會(huì)繼續(xù)總結(jié)一下Python正則表達(dá)式re模塊的一些API的用法，請(qǐng)繼續(xù)關(guān)注服務(wù)器之家。
原文鏈接：http://blog.guoyb.com/2017/03/01/python-regex-3/
