Python正则表达式教程之三：贪婪/非贪婪特性

贪婪与非贪婪匹配概述

在前面的章节中，我们已经简要介绍了Python正则表达式的基础知识以及捕获组的概念。在本文中，我们将重点总结正则表达式中至关重要的贪婪与非贪婪特性。

贪婪匹配机制

贪婪匹配

默认情况下，正则表达式引擎会执行贪婪匹配。所谓“贪婪”，是指当存在多种可能的匹配长度时，引擎会优先选择最长的那一个。例如，下面这个正则表达式的初衷是提取人物对话内容，但由于贪婪特性的影响，导致了匹配结果不符合预期：

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

再看以下几个例子，它们同样展示了正则表达式“贪婪”匹配的行为特征：

>>> re.findall('hi*', 'hiiiii')
['hiiiii']
>>> re.findall('hi{2,}', 'hiiiii')
['hiiiii']
>>> re.findall('hi{1,3}', 'hiiiii')
['hiii']

非贪婪匹配实现

非贪婪匹配

如果我们希望正则表达式以“非贪婪”的方式进行匹配，必须通过特定的语法明确指定：

{2,5}?    捕获2-5次，但是优先次数少的匹配

这里的问号?可能会让人产生困惑，因为它之前已经被定义为表示前面的字符出现0次或1次。只需记住一点：当问号出现在表示不定次数量的正则表达式部分之后时，它即表示非贪婪匹配。

沿用上面的几个例子，若采用非贪婪匹配，结果如下所示：

>>> re.findall('hi*?', 'hiiiii')
['h']
>>> re.findall('hi{2,}?', 'hiiiii')
['hii']
>>> re.findall('hi{1,3}?', 'hiiiii')
['hi']

在另一个示例中，使用非贪婪匹配后的结果如下：

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

捕获与字符消耗问题

捕获与非贪婪的关联

严格来说，这一部分并不属于非贪婪特性的范畴。但由于其行为模式与非贪婪匹配相似，为了方便记忆和理解，我们将相关内容放在一起进行讲解。

(?=abc) 捕获，但不消耗字符，且匹配abc

(?!abc) 捕获，不消耗，且不匹配abc

在正则表达式的匹配过程中，实际上存在“消耗字符”的概念。也就是说，一旦某个字符在匹配过程中被检索（即被消耗）过，后续的匹配操作将不再检索该字符。

了解这一特性有何实际用途？我们通过例子来说明。例如，我们的目标是找出字符串中出现次数超过1次的单词：

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

显然，这样的正则表达式无法完成任务。原因在于，当第一个(\w+)匹配到“what”，且其后的\1也匹配到第二个“what”时，“Oh what a day, what”这一段子串已经被正则表达式完全消耗。因此，后续的匹配将从第二个“what”之后开始，导致只能找出一个出现了两次的单词。

解决方案便与前面提到的(?=abc)语法相关。这种语法可以在进行分组匹配的同时，不消耗字符串！因此，正确的写法应该是：

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

如果我们需要匹配一个至少包含两个不同字母的单词，则可以使用(?!abc)的语法：

>>> 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'>

总结

总结

以上就是Python正则表达式中关于贪婪特性的全部内容。希望本文的内容能对大家学习或使用Python有所帮助。如有任何疑问，欢迎留言交流。在下一篇文章中，我将继续总结Python正则表达式re模块中一些API的具体用法，请继续关注本站。