正则表达式的贪婪模式和非贪婪模式

先看一个例子

拿到一个数字

content = "Xiaoxingxing has 100 bananas"
res = re.match(r'^Xi.*(\d+)\s.*s$', content)
print(res.group(1))

我们可以将要匹配的内容用()括起来，这里我们知道

字符	描述
.	代表所有的单个字符，除了 \n \r
{n}	匹配在 {n} 前面的东西，比如：o{2} 不能匹配 Bob 中的 o, 但是能匹配 food 中的两个 o
{n,m}	匹配在 {n,m} 前面的东西，比如：o{1,3} 将匹配"fooooood"中的前三个o
{n, }	匹配在 {n,} 前面的东西，比如：o{2,} 不能匹配“Bob”中的“o”，但能匹配“fooooood”中的所有o
*	和 {o,} 一样，匹配 * 前面的0次或多次。比如 zo* 能匹配“z”、“zo”以及“zoo”
+	和 {1,} 一样，匹配 + 前面的1次或多次。比如 zo+ 能匹配“zo”以及“zoo”，但不能匹配“z”
?	和 {0,1} 一样，匹配 ? 前面0次或1次。

所以理论上，上面的表达式的结果应该是能匹配到100这个数字。但实际结果呢

0

没错，上面的正则表达式匹配到的是0，而要想匹配到100，我们只需要加一个 ?，即

res = re.match(r'^Xi.*?(\d+)\s.*s$', content)
print(res.group(1))

结果为

100

为什么会出现上述情况呢，这里就要弄清楚正则表达式的贪婪和非贪婪模式这两个概念了。

贪婪匹配模式

定义

正则表达式去匹配时，会尽量多的匹配符合条件的内容

标识符

+, ?, *, {n}, {n,}, {n,m}

匹配时，如果遇到上述标识符（匹配不定数量个），代表是贪婪匹配，会尽可能多的去匹配内容。即优先它的匹配，其它的匹配要为它让路

实例

content = 'aacbacbc'
res = re.match(r"a.*b", content)
print(res.group())

# aacbacb

当匹配到第一个a后，开始匹配.*，由于是贪婪模式，它会一直往后匹配，知道最后一个满足条件的b为止，因此匹配结果是aacbacb

非贪婪匹配模式

定义

正则表达式去匹配时，会尽量少的匹配符合条件的内容，也就是说，一旦发现匹配符合要求，立马就匹配成功，不会继续匹配下去

标识符

+?, ??, *?, {n}?, {n,}?, {n,m}?

实例

content = 'aacbacbc'
res = re.match(r"a.*?b", content)
print(res.group())

匹配到第一个a后，开始匹配.*，由于是非贪婪模式，在匹配到了第一个b后，就匹配成功了，因此结果是aacb

最后

由于一开始是贪婪模式匹配，会尽可能多的匹配任意字符，而(\d+)的优先级就会降低，只要保证至少有一个数字匹配到即可，所以第一个正则匹配的结果是0，加上?变成非贪婪模式后，.*?的优先级就变低，(\d+)的优先级最高，优先匹配一个或多个数字，所以结果是100

来自 https://leejnull.github.io/2020/01/15/2020-01-15-01/