正则表达式贪婪与非贪婪匹配详解：如何选择尽量多或少的字符

正则表达式贪婪和非贪婪

正则表达式是用于匹配字符串的一种语言，在编程领域经常被使用。正则表达式有两种匹配方式，即贪婪和非贪婪。贪婪方式在匹配时会选择尽量多的匹配字符，而非贪婪方式则会选择尽量少的匹配字符。

贪婪匹配

贪婪匹配指的是在进行匹配时，会以尽可能多地匹配字符的方式来进行。例如在正则表达式里使用“.*”，它能够匹配任意数量的任意字符，其中也包括空字符。

import re
hello 包含 abc 。abc 又出现在 abcdefg 中。abc 还在 abcdefghijklmn 里。
pattern = "abc.*"
使用 re 模块的 findall 函数来查找 pattern 在 text 中的所有匹配项，将结果赋值给 match 。
print(match)
Output 包含了三个部分，分别是 'abc'、'abcdefg' 和 'abcdefghijklmn'。

代码中利用 re.findall()方法来对文本展开匹配，其 pattern 为“abc.*”，意思是匹配起始为“abc”，接着包含任意数量的任意字符。

运行结果输出了整个文本字符串。因为在默认情况下，正则表达式是贪婪匹配的，它会选择尽量多的匹配字符。

import re
text = "hello abc abcdefg abcdefghijklmn"
pattern = "abc.*n"
match = re.findall(pattern, text)
print(match)
输出内容为：['abcdefg', 'abcdefghijklmn']

另外，在指定匹配字符的范围时，是采用贪婪匹配的方式。比如，当我们要进行这样的匹配，即从“a”开始，其后包含若干个“a”或者“b”，最后匹配到一个“c”，其代码如下：

import re
text = "aabbbccc"
pattern = "a[a|b]*c"
match = re.findall(pattern, text)
print(match)
# Output: ['aabbbcc']

可以看到，输出结果呈现为“aabbbcc”的形式。在这个结果中，匹配到了若干个“a”或者“b”。并且，一直持续到最后一个字符为“c”才结束。

非贪婪匹配

非贪婪匹配指的是在匹配过程中，会以尽可能少地匹配字符的方式来进行。在正则表达式里，能够通过使用“.*?”来实现非贪婪匹配。比如：

import re
text = "hello abc abcdefg abcdefghijklmn"
pattern = "abc.*?"
match = re.findall(pattern, text)
print(match)
输出内容为：['abc ', 'abcdefg ', 'abcdefghijklmn'] ，即包含了三个字符串，分别是 'abc '、'abcdefg ' 和 'abcdefghijklmn' 。

在代码里，pattern 是“abc.*?”，这意味着要匹配以“abc”开头且后面有任意数量任意字符的内容，并且在匹配过程中会选择尽量少的匹配字符。其输出结果有三个，分别是“abc ”、“abcdefg ”、“abcdefghijklmn”。

再看一个例子，当指定匹配字符的范围时，若采用非贪婪匹配，就会选取尽可能少的字符。代码如下：

import re
text = "aabbbccc"
pattern = "a[a|b]*?c"
match = re.findall(pattern, text)
print(match)
# Output: ['abc']

输出的结果是“abc”，这里仅有一个匹配结果，在选择“a”或“b”时尽量少选，最终匹配到了第一个“c”。

结论

正则表达式的贪婪匹配和非贪婪匹配的区别在于，要在尽可能多地匹配字符和尽可能少地匹配字符之间做出选择。在编程过程中，需要依据实际的应用场景，来挑选合适的匹配方式。倘若需要选取尽量少的匹配字符，那么就可以在正则表达式里使用“.*?”来进行非贪婪匹配。