正则表达式 第四篇：贪婪和消耗字符

转载：Python正则表达式之三：贪婪

默认情况下，正则表达式进行贪婪匹配。所谓“贪婪”，是指当匹配到多种长度的字符串时，选择最长的；而非贪婪，就是在匹配多种长度的字符串时，选择最短的。

默认情况下，正则表达在匹配字符时，会把字符消耗掉；可以使用环视结构来匹配位置，使得正则不消耗字符，即正则在匹配文本时，不消耗字符，只匹配位置。

一，贪婪特性

贪婪是正则表达式的默认属性，如下的几个例子都说明了正则表达式“贪婪”的特性：

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

二，非贪婪特性

当我们期望正则表达式“非贪婪”地进行匹配时，需要通过语法明确说明：

{2,5}?    捕获2-5次，但是选择次数最少的匹配

在这里，问号?可能会有些让人犯晕，因为之前他已经有了自己的含义：前面的匹配出现0次或1次。其实，只要记住，当问号出现在表现不定次数的正则表达式之后时，就表示非贪婪匹配。

正则表达式的非贪婪特性使用?来启动，非贪婪特性共有四种情况：

• *?
• +?
• ??
• {m,n}?

还是上面的那几个例子，用非贪婪匹配，则结果如下：

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

三，捕获和非贪婪

在正则表达式匹配的过程中，其实存在“消耗字符”的过程，也就是说，一旦一个字符在匹配过程中被检索（消耗）过，后面的匹配就不会再检索这一字符了。

(?=exp) 捕获，但不消耗字符，且匹配exp，返回位置
(?!exp) 捕获，但不消耗字符，且不匹配exp，返回位置

知道这个特性有什么用呢？还是用例子说明，比如，我们想找出字符串中出现过1次以上的单词：

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

这样的正则表达式显然无法完成任务，为什么呢？原因就是，在第一个(\w+)匹配到what，并且其后的\1也匹配到第二个what的时候，“Oh what a day, what”这一段子串都已经被正则表达式消耗了，所以之后的匹配，将直接从第二个what之后开始。自然地，这里只能找出一个出现了两次的单词。

那么解决方案，就和上面提到的(?=exp)语法相关了。这样的语法可以在分组匹配的同时，不消耗字符串！所以，正确的书写方式应该是：

>>> 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(?!exp)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‘>

参考文档：

Python正则表达式之三：贪婪

正则表达式 第四篇：贪婪和消耗字符

原文：https://www.cnblogs.com/lonelyxmas/p/11980726.html