非贪婪的正则表达式

什么是非贪婪的正则表达式？

在正则表达式中，*、+、?、{m,n}这些量词默认都是贪婪的，也就是匹配尽可能多的字符，直到不能匹配为止。例如，在字符串"abcdefg"中，匹配"a.g"会得到"abcdefg"，而匹配"a.?g"则会得到"ab"。

非贪婪的正则表达式，也就是懒惰匹配，可以尽可能少地匹配字符，直到满足条件为止。在元字符后面加上"?"可以实现非贪婪匹配。例如，在字符串"abcdefg"中，匹配"a.*?g"会得到"abg"。

使用方法

在正则表达式中，对于量词"*"、"+"、"?"、"{m,n}"，我们可以在后面加上"?"，表示开启非贪婪模式。例如：

• ".*?"表示匹配任意字符，但是尽可能少地匹配
• ".+?"表示匹配至少一个字符，但是尽可能少地匹配
• ".{3,5}?"表示匹配3到5个字符，但是尽可能少地匹配
• "??"表示匹配0或1个字符，但是尽可能少地匹配
• "*?"表示匹配0到多个字符，但是尽可能少地匹配
• "+?"表示匹配至少一个字符，但是尽可能少地匹配

举个例子，在匹配HTML标签时，我们可以使用非贪婪模式避免匹配到多个标签。例如：

>>> import re
>>> s = '<div>foo</div><div>bar</div>'
>>> re.findall(r'<div>.*?</div>', s)
['<div>foo</div>', '<div>bar</div>']
>>> re.findall(r'<div>.*</div>', s)
['<div>foo</div><div>bar</div>']

注意事项

虽然非贪婪匹配可以避免过多匹配，但是在某些情况下，它可能会导致性能下降。因为非贪婪匹配会尝试匹配每一个字符，直到满足条件为止，因此比贪婪匹配更耗时。在处理大量数据时，应该谨慎使用非贪婪匹配。

另外，在使用非贪婪匹配时，需要注意它的优先级。例如，在正则表达式"abc.*?def|abc.*def"中，"abc.def"会优先于"abc.?def"匹配，因为"abc.*def"的优先级更高。因此，在实际使用中，我们需要根据具体情况调整正则表达式的结构，以便得到正确的匹配结果。

总结

非贪婪匹配是正则表达式中非常有用的一种技巧，可以避免过多匹配字符，提高匹配效率。在使用时，需要注意它的优先级和性能问题，根据具体情况进行调整。