Python 正则表达式中的非贪婪模式
正则表达式是一种强大的文本匹配工具，广泛应用于各种编程语言中，Python 也不例外。在 Python 中，我们可以使用内置的 re 模块来处理正则表达式。在本篇文章中，我们将探讨正则表达式中的非贪婪模式，并通过一些代码示例来展示其用法。
正则表达式简介
正则表达式是一种用于匹配字符串中字符组合的模式。它由一系列字符和特殊符号组成，这些符号定义了匹配规则。例如，\d 表示匹配任意数字，\w 表示匹配任意字母数字字符，\s 表示匹配任意空白字符。
贪婪模式与非贪婪模式
在正则表达式中，有两种匹配模式：贪婪模式和非贪婪模式。默认情况下，正则表达式使用贪婪模式，它会尽可能多地匹配字符。而非贪婪模式则相反，它会尽可能少地匹配字符。
贪婪模式
贪婪模式下，正则表达式会尽可能多地匹配字符。例如，考虑以下正则表达式：
import re
pattern = r'\d+'
text = "123 4567 89"
matches = re.findall(pattern, text)
print(matches)
这段代码会输出 ['123456789']，因为 \d+ 匹配了尽可能多的数字字符。
非贪婪模式
非贪婪模式下，正则表达式会尽可能少地匹配字符。要启用非贪婪模式，只需在量词（如 +、*、?）后面加上一个问号 ?。例如：
import re
pattern = r'\d+?'
text = "123 4567 89"
matches = re.findall(pattern, text)
print(matches)
这段代码会输出 ['123', '4567', '89']，因为 \d+? 匹配了尽可能少的数字字符。
代码示例
让我们通过一些示例来更好地理解非贪婪模式。
示例 1：匹配数字
假设我们有一段文本，其中包含多个数字，我们希望匹配这些数字，但每个数字之间用空格分隔。
import re
text = "123 4567 89"
pattern = r'\d+?'
matches = re.findall(pattern, text)
print(matches)
输出结果为 ['123', '4567', '89']。
示例 2：匹配 HTML 标签
假设我们有一个 HTML 文档，我们希望匹配所有的标签，但不包括标签内的文本。
import re
html = "<html><head><title>Example</title></head><body><p>Hello, world!</p></body></html>"
pattern = r'<.*?>?'
matches = re.findall(pattern, html)
print(matches)
输出结果为 ['<html>', '<head>', '<title>', '</title>', '<body>', '<p>', '</p>', '</body>', '</html>']。
示例 3：匹配重复字符
假设我们有一个字符串，我们希望匹配重复的字符，但每个字符只匹配一次。
import re
text = "aaabbbc"
pattern = r'(.)\1*?'
matches = re.findall(pattern, text)
print(matches)
输出结果为 ['a', 'b', 'c']。
序列图
为了更好地理解非贪婪模式的工作原理，我们可以使用序列图来展示匹配过程。以下是示例 1 的匹配过程：
sequenceDiagram
participant P as Python
participant R as Regex
participant T as Text
P->>R: 匹配文本 "123 4567 89"
R->>T: 匹配 "123"
R->>T: 匹配 "4567"
R->>T: 匹配 "89"
P->>R: 返回匹配结果 ['123', '4567', '89']
结论
非贪婪模式是一种有用的正则表达式匹配模式，它可以帮助我们更精确地匹配文本。通过在量词后面添加问号 ?，我们可以控制匹配的字符数量，从而实现更灵活的文本处理。希望本文的示例和解释能帮助你更好地理解和使用非贪婪模式。
