2.7 最短匹配模式

問題

你正在試著用正則表達(dá)式匹配某個(gè)文本模式，但是它找到的是模式的最長(zhǎng)可能匹配。而你想修改它變成查找最短的可能匹配。

解決方案

這個(gè)問題一般出現(xiàn)在需要匹配一對(duì)分隔符之間的文本的時(shí)候(比如引號(hào)包含的字符串)。為了說(shuō)明清楚，考慮如下的例子：

>>> str_pat = re.compile(r'\"(.*)\"')
>>> text1 = 'Computer says "no."'
>>> str_pat.findall(text1)
['no.']
>>> text2 = 'Computer says "no." Phone says "yes."'
>>> str_pat.findall(text2)
['no." Phone says "yes.']
>>>

在這個(gè)例子中，模式 r'\"(.*)\"' 的意圖是匹配被雙引號(hào)包含的文本。但是在正則表達(dá)式中*操作符是貪婪的，因此匹配操作會(huì)查找最長(zhǎng)的可能匹配。于是在第二個(gè)例子中搜索 text2 的時(shí)候返回結(jié)果并不是我們想要的。

為了修正這個(gè)問題，可以在模式中的*操作符后面加上?修飾符，就像這樣：

>>> str_pat = re.compile(r'\"(.*?)\"')
>>> str_pat.findall(text2)
['no.', 'yes.']
>>>

這樣就使得匹配變成非貪婪模式，從而得到最短的匹配，也就是我們想要的結(jié)果。

討論

這一節(jié)展示了在寫包含點(diǎn)(.)字符的正則表達(dá)式的時(shí)候遇到的一些常見問題。在一個(gè)模式字符串中，點(diǎn)(.)匹配除了換行外的任何字符。然而，如果你將點(diǎn)(.)號(hào)放在開始與結(jié)束符(比如引號(hào))之間的時(shí)候，那么匹配操作會(huì)查找符合模式的最長(zhǎng)可能匹配。這樣通常會(huì)導(dǎo)致很多中間的被開始與結(jié)束符包含的文本被忽略掉，并最終被包含在匹配結(jié)果字符串中返回。通過(guò)在*或者+這樣的操作符后面添加一個(gè)?可以強(qiáng)制匹配算法改成尋找最短的可能匹配。