python 的正則表達式 貪婪模式與懶惰模式

正則表達式中用於表示匹配數量的元字符如下：

? 　　重復0次或1次，等同於{0,1}

*　　重復0次或更多次，等同於{0,}

+　　重復1次或更多次，等同於{1,}

{n,} 重復n次及以上

上面的表示匹配次數的元字符分為貪婪型和懶惰型2種類型。其表達式分別如下。

貪婪型      懶惰型

*　　　　　*?

+　　　　　+?

{n,} 　　 　{n,}?

貪婪型的匹配會去抓取滿足匹配的最長的字符串，這個也是正則表達式的默認的模式。當我們不需要最長的匹配的時候就需要使用懶惰模式。

關於貪婪型和懶惰型的舉例如下：

元字符'*'的貪婪模式 '*?'

>>> s="abcbd"
>>> patt=r'a.*b'   #*的貪婪類型
>>> re.search(patt,s).group()
'abcb' 

>>> patt=r'a.*?b'  #*的懶惰類型
>>> re.search(patt,s).group()
'ab'

>>> s='caaaaab'
>>> patt=r'a.+b'  #+的貪婪類型
>>> s='caaaaabcccb'
>>> re.search(patt,s).group()

>>> patt=r'a.+?b'   #+的懶惰類型
>>> re.search(patt,s).group()
'aaaaab' 

下面舉例匹配html的例子，假如要匹配標簽<li >和</li>之間的內容：

>>> s=r'my string is:<li>QQemail</li><li>Not read email</a></li>'

>>> patt=r'<li>.*</li>'
>>> print re.search(patt,s).group()
<li>QQemail</li><li>Not read email</a></li> #貪婪類型，匹配多了

>>> patt=r'<li>.*?</li>'
>>> print re.search(patt,s).group()
<li>QQemail</li>  #懶惰類型，匹配剛好

>>> print re.findall(patt,s)
['<li>QQemail</li>',  '<li>Not read email</a></li>']