匹配模式

贪婪模式

实际需求是尽可能短的匹配需要的结果，但在使用正则表达式字符串匹配某个文本时，它找到的是符合模式的却是最长可能的匹配。

产生这样的原因，是因为 *、+ 和 ? 限定符都是贪婪的，它们会尽可能的匹配符合模式的文字，举例说明：

>>> import re
>>> text1 = '<h1>'
>>> pattern = re.compile(r'<.*>')
>>> re.findall(pattern, text1)
['<h1>']
>>> text2 = '<h1>Introduction to Regular Expressions</h1>'
>>> re.findall(pattern, text2)
['<h1>Introduction to Regular Expressions</h1>']

在上面的例子中，模式 r'<.*>' 意图是匹配被单书名号包含的内容。但是上面提及的 * 限定符是贪婪的，因此匹配操作会尽可能长的匹配结果。所以，第二个搜索 text2 的结果并不是实际需求的结果。

非贪婪模式（最小匹配模式）

解决限定符贪婪，尽可能多匹配的情况，只要在限定符（比如 *，+，?）后面加上问号 ? 修饰符，就可以让模式变为非贪婪模式，从而实现非贪婪或最小匹配，延用上面的例子：

>>> pattern = re.compile(r'<.*?>')  # 这里在 * 限定符后面添加 ? 修饰符
>>> text2 = '<h1>Introduction to Regular Expressions</h1>'
>>> re.findall(pattern, text2)
['<h1>', '</h1>']

现在示例最终得到的结果，['<h1>', '</h1>']，就是实际需求的结果。

多行匹配模式

实际操作文本匹配时，并非如示例简单提供的只有单行的内容。有时，使用正则表达式匹配文本时，往往需要跨多行去匹配，从而得到实际需要的结果。

元字符 .，能够匹配除换行符以外的任意字符，但实际使用中，往往会忽略这一点。例如匹配 C 语言分割的注释：

>>> import re
>>> pattern = re.compile(r'/\*(.*?)\*/')
>>> text1 = '/* this is a comment */'
>>> text2 = '''/* this is a
... multiline comment */
... '''
>>> re.findall(pattern, text1)
[' this is a comment ']
>>> re.findall(pattern, text2)
[]

这里有一种方法是修改模式字符串，增加对换行的支持。示例如下：

>>> import re
>>> pattern = re.compile(r'/\*((?:.|\n)*?)\*/')
>>> text2 = '''/* this is a
...  multiline comment */
... '''
>>> re.findall(pattern, text2)
[' this is a\n multiline comment ']

修改的模式中，(?:...) 表示是非捕获分组（即使仅仅用作匹配，并不能通过单独捕获或者编号的组）。

扫描二维码关注公众号，回复： 8614542 查看本文章

re.DOTALL

re 模块还提供一个标记参数 re.DOTALL。上面示例已经提及，元字符 . 并不能够匹配换行符，而增加这个标记参数后，. 能够匹配任何字符，包括换行符。示例如下：

>>> import re
>>> pattern = re.compile(r'/\*(.*?)\*/', re.DOTALL)
>>> text2 = '''/* this is a
...  multiline comment */
... '''
>>> re.findall(pattern, text2)
[' this is a\n multiline comment ']