python正则表达式 贪婪/非贪婪

主要就是 .* 与 .*? 的区别，.* 是贪婪的，.*? 是非贪婪的例子如下：

    import re 
    line = "Cats are smarter than dogs"
    matchObj1 = re.match( r'(.*)are(.*?)(.*)', line)
    matchObj2 = re.match( r'(.*)are(.+?)(.*)', line)
     
    >>>matchObj1.group(1),matchObj1.group(2),matchObj1.group(3)
    ('Cats ', '', ' smarter than dogs')
    >>>matchObj2.group(1),matchObj2.group(2),matchObj2.group(3)
    ('Cats ', ' ', 'smarter than dogs')

分析：.* 是贪婪的，.*? 是非贪婪的，are精确匹配，所以( .* )即group(1)匹配到的肯定是’Cats '，.*? 是非贪婪的，所以只要后面的满足，(.*?)可以匹配任意长度，于是( . ? )即group(2)就匹配为空，最后(.)即group(3)贪婪匹配，就匹配后面所有的。. *? 与 .+? 唯一区别在于前者可以为空，后者至少匹配一个字符。
除此之外，+ 以及{n,m}也是贪婪的。+？ {n,m}?就是非贪婪的。

import re
content = 'Hello 1234567 World_This is a Regex Demo'
result1 = re.match('^He(.*)(\d+)(.*)Demo$', content)
result2 = re.match('^He(.*)(\d+?)(.*)Demo$', content)
result3 = re.match('^He(.*?)(\d+)(.*)Demo$', content)
result4 = re.match('^He(.*?)(\d+?)(.*)Demo$', content)
result5 = re.match('^He(.*?)(.+?)(.*)Demo$', content)
result6 = re.match('^He(.*?)(.+)(.*)Demo$', content)
result7 = re.match('^He(.{2,4})(.*)(.+)Demo$', content)

考虑上面七种情况结果分别是什么（注意：下面有的字符是空格，有的为空，不一样的）：

>>>result1.group(1),result1.group(2),result1.group(3)
('llo 123456', '7', ' World_This is a Regex ')

>>>result2.group(1),result2.group(2),result2.group(3)
('llo 123456', '7', ' World_This is a Regex ')

>>>result3.group(1),result3.group(2),result3.group(3)
('llo ', '1234567', ' World_This is a Regex ')

>>>result4.group(1),result4.group(2),result4.group(3)
('llo ', '1', '234567 World_This is a Regex ')

>>>result5.group(1),result5.group(2),result5.group(3)
('', 'l', 'lo 1234567 World_This is a Regex ')

>>>result6.group(1),result6.group(2),result6.group(3)
('', 'llo 1234567 World_This is a Regex ', '')

>>>result7.group(1),result7.group(2),result7.group(3)
('llo ', '1234567 World_This is a Regex', ' ')

总结：

1.*、?、+ 和 {min,max} 是贪婪的，后面再加？就是非贪婪的。

2，不管后面带？还是不带？，含有*，可以匹配空，含有+，至少匹配一个字符，含有{min,max} 至少匹配min个字符。

我把正则表达式的一个小模块总结为以下三个基本元素构成：

元素1元素2元素3

元素1：要匹配的元素，例如 . 表示匹配任意字符，\d表示匹配任意数字，a表示匹配a，等等。

元素2：匹配多少次,例如 * 匹配前一个字符0次或无限次，+ 匹配前一个字符1次或无限次，？匹配前一个字符0次或1次。{n,m} 匹配前一个字符n次到m次。

元素3：空或者是？，若是空，代表元素1和元素2组成贪婪模式，若是？，代表元素1、元素2和元素3组成非贪婪模式。

下面是一些例子：

.* 贪婪匹配尽可能多的任意字符，可以匹配为空。
.*? 非贪婪匹配尽可能少的任意字符，可以匹配为空。
\d+ 贪婪匹配尽可能多的数字，不可以匹配为空，至少匹配一个数字。
\d+? 非贪婪匹配尽可能少的数字，不可以匹配为空，至少匹配一个数字。
.{n,m} 贪婪匹配尽可能多的任意字符，最多m位，最少n位。
.{n,m}? 非贪婪匹配尽可能少的任意字符，最多m位，最少n位。
.+? 非贪婪匹配尽可能少的任意字符，不可以匹配为空，至少匹配一个任意字符。
.+ 贪婪匹配尽可能多的任意字符，不可以匹配为空，至少匹配一个任意字符。
.? 贪婪匹配，可以匹配0或1个任意字符。
.?? 非贪婪匹配，可以匹配0或1个任意字符(不过这两个基本不会有人用)