python 的正则表达式 贪婪模式与懒惰模式

正则表达式中用于表示匹配数量的元字符如下：

? 　　重复0次或1次，等同于{0,1}

*　　重复0次或更多次，等同于{0,}

+　　重复1次或更多次，等同于{1,}

{n,} 重复n次及以上

上面的表示匹配次数的元字符分为贪婪型和懒惰型2种类型。其表达式分别如下。

贪婪型      懒惰型

*　　　　　*?

+　　　　　+?

{n,} 　　 　{n,}?

贪婪型的匹配会去抓取满足匹配的最长的字符串，这个也是正则表达式的默认的模式。当我们不需要最长的匹配的时候就需要使用懒惰模式。

关于贪婪型和懒惰型的举例如下：

元字符'*'的贪婪模式 '*?'

>>> s="abcbd"
>>> patt=r'a.*b'   #*的贪婪类型
>>> re.search(patt,s).group()
'abcb' 

>>> patt=r'a.*?b'  #*的懒惰类型
>>> re.search(patt,s).group()
'ab'

>>> s='caaaaab'
>>> patt=r'a.+b'  #+的贪婪类型
>>> s='caaaaabcccb'
>>> re.search(patt,s).group()

>>> patt=r'a.+?b'   #+的懒惰类型
>>> re.search(patt,s).group()
'aaaaab' 

下面举例匹配html的例子，假如要匹配标签<li >和</li>之间的内容：

>>> s=r'my string is:<li>QQemail</li><li>Not read email</a></li>'

>>> patt=r'<li>.*</li>'
>>> print re.search(patt,s).group()
<li>QQemail</li><li>Not read email</a></li> #贪婪类型，匹配多了

>>> patt=r'<li>.*?</li>'
>>> print re.search(patt,s).group()
<li>QQemail</li>  #懒惰类型，匹配刚好

>>> print re.findall(patt,s)
['<li>QQemail</li>',  '<li>Not read email</a></li>']