python - 带 * 的 Python 正则表达式？

Question

这个 Python 正则表达式匹配什么？

.*?[^\\]\n

我很困惑为什么 和.都跟在*后面?。

Answer 1

*意思是“尽可能多地匹配前一个元素（零次或多次）”。

*?意思是“尽可能少地匹配前一个元素（零次或多次）”。

其他答案已经解决了这个问题，但是他们没有提出的是它如何更改正则表达式，如果re.DOTALL提供了标志，它会产生巨大的差异，因为.将匹配启用该标志的换行符。所以.*[^\\]\n会从字符串的开头一直匹配到最后一个没有反斜杠的换行符（所以会有几行匹配）。

如果re.DOTALL未提供标志，则差异更加微妙，[^\\]将匹配反斜杠以外的所有内容，包括换行符。考虑以下示例：

>>> import re
>>> s = "foo\n\nbar"
>>> re.findall(r'.*?[^\\]\n', s)
['foo\n']
>>> re.findall(r'.*[^\\]\n', s)
['foo\n\n']

所以这个正则表达式的目的是找到不以反斜杠结尾的非空行，但是如果你使用.*而不是.*?你将匹配一个额外的\n，如果你在非空行后面有一个空行。

发生这种情况是因为.*?将只匹配fo，[^\\]将匹配第二个o，以及\n第一行末尾的匹配项。然而，.*将匹配foo，[^\\]将匹配\n结束第一行，下一个\n将匹配，因为第二行是空白的。

Answer 2

.表示通配符。它可以匹配除 a 之外的任何内容\n，除非使用了适当的标志。

*表示你可以在它前面有 0 个或更多的东西。

?表示前面的量词是惰性的。它将在找到第一个匹配项后停止搜索。

Answer 3

打开Python re 模块文档，并搜索*?，我们发现：

*?, +?,?? :

, *,+和?限定词都是贪婪的；它们匹配尽可能多的文本。有时这种行为是不希望的；如果 RE<.*>与 匹配<H1>title</H1>，它将匹配整个字符串，而不仅仅是<H1>. 在限定符之后添加?使其以非贪婪或最小方式执行匹配；将匹配尽可能少的字符。.*?在前面的表达式中使用将仅匹配<H1>。