正则表达式 第四篇:贪婪和懒惰匹配

转载:Python正则表达式之三:贪婪

默认情况下,正则表达式进行贪婪匹配。所谓“贪婪”,是指当匹配到多种长度的字符串时,选择最长的;而“懒惰”,是指在匹配多种长度的字符串时,选择最短的。

默认情况下,正则表达在匹配字符时,会把字符消耗掉;可以使用环视结构来匹配位置,使得正则不消耗字符,即正则在匹配文本时,不消耗字符,只匹配位置。

当正则表达式中包含能接受重复的限定符时,通常的行为是(在使整个表达式能得到匹配的前提下)匹配尽可能多的 字符。以这个表达式为例:a.*b,它将会匹配最长的以 a 开始,以 b 结束的字符串。如果用它来搜索 aabab 的话,它会匹配整个字符串 aabab,这被称为贪婪匹配。

有时,我们更需要懒惰匹配,也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式,只要在它后面加上一个问号 ?。这样.*? 就意味着匹配任意数量的重复,但是在能使整个匹配成功的前提下使用最少的重复。现在看看懒惰版的例子:a.*?b 匹配最短的,以 a 开始,以 b 结 束的字符串。如果把它应用于 aabab 的话,它会匹配 aab(第一到第三个字符)和 ab(第四到第五个字符)。

为什么第一个匹配是 aab(第一到第三个字符)而不是 ab(第二到第三个字符)?简单地说,因为正则表达式有另 一条规则,比懒惰/贪婪规则的优先级更高:最先开始的匹配拥有最高的优先权

一,贪婪特性

贪婪是正则表达式的默认属性,如下的几个例子都说明了正则表达式“贪婪”的特性:

>>> re.findall('hi*', 'hiiiii')
['hiiiii']
>>> re.findall('hi{2,}', 'hiiiii')
['hiiiii']
>>> re.findall('hi{1,3}', 'hiiiii')
['hiii']

二,懒惰特性

当我们期望正则表达式“非贪婪”地进行匹配时,需要通过语法明确说明:

{2,5}?    捕获2-5次,但是选择次数最少的匹配

在这里,问号?可能会有些让人犯晕,因为之前他已经有了自己的含义:前面的匹配出现0次或1次。其实,只要记住,当问号出现在表现不定次数的正则表达式之后时,就表示非贪婪匹配。

正则表达式的非贪婪特性使用?来启动,非贪婪特性共有四种情况:

  • *?
  • +?
  • ??
  • {m,n}?

还是上面的那几个例子,用非贪婪匹配,则结果如下:

>>> re.findall('hi*?', 'hiiiii')
['h']
>>> re.findall('hi{2,}?', 'hiiiii')
['hii']
>>> re.findall('hi{1,3}?', 'hiiiii')
['hi']

三,捕获和字符消耗

在正则表达式匹配的过程中,其实存在“消耗字符”的过程,也就是说,一旦一个字符在匹配过程中被检索(消耗)过,后面的匹配就不会再检索这一字符了。

(?=exp) 捕获,但不消耗字符,且匹配exp,返回位置
(?!exp) 捕获,但不消耗字符,且不匹配exp,返回位置

知道这个特性有什么用呢?还是用例子说明,比如,我们想找出字符串中出现过1次以上的单词:

>>> sentence = "Oh what a day, what a lovely day!"
>>> re.findall(r'\b(\w+)\b.*\b\1\b', sentence)
['what']

这样的正则表达式显然无法完成任务,为什么呢?原因就是,在第一个(\w+)匹配到what,并且其后的\1也匹配到第二个what的时候,“Oh what a day, what”这一段子串都已经被正则表达式消耗了,所以之后的匹配,将直接从第二个what之后开始。自然地,这里只能找出一个出现了两次的单词。

那么解决方案,就和上面提到的(?=exp)语法相关了。这样的语法可以在分组匹配的同时,不消耗字符串!所以,正确的书写方式应该是:

>>> re.findall(r'\b(\w+)\b(?=.*\b\1\b)', sentence)
['what', 'a', 'day']

如果我们需要匹配一个至少包含两个不同字母的单词,则可以使用(?!exp)的语法:

>>> re.search(r'([a-z]).*(?!\1)[a-z]', 'aa', re.IGNORECASE)
>>> re.search(r'([a-z]).*(?!\1)[a-z]', 'ab', re.IGNORECASE)
<_sre.SRE_Match object; span=(0, 2), match='ab'>

 

 

参考文档:

Python正则表达式之三:贪婪

posted @ 2019-07-11 19:02  悦光阴  阅读(2521)  评论(0编辑  收藏  举报