Python 正則表達式之三：貪婪
默認情況下，正則表達式將進行貪婪匹配。所謂“ 貪婪 ”，其實就是在多種長度的匹配字符串中，選擇較長的那一個。例如，如下正則表達式本意是選出人物所說的話，但是卻由于“ 貪婪 ”特性，出現了匹配不當：
>>> sentence = """You said "why?" and I say "I don't know"."""
>>> re.findall(r'"(.*)"', sentence)
['why?" and I say "I don\'t know']
再比如，如下的幾個例子都說明了正則表達式“ 貪婪 ”的特性：
>>> re.findall('hi*', 'hiiiii')
['hiiiii']
>>> re.findall('hi{2,}', 'hiiiii')
['hiiiii']
>>> re.findall('hi{1,3}', 'hiiiii')
['hiii']
非貪婪
當我們期望正則表達式“ 非貪婪 ”地進行匹配時，需要通過語法明確說明：
{2,5}? 捕獲2-5次，但是優先次數少的匹配
在這里，問號 ? 可能會有些讓人犯暈，因為之前他已經有了自己的含義：前面的匹配出現0次或1次。其實，只要記住，當問號出現在表現 不定次數 的正則表達式部分之后時，就表示非貪婪匹配。
還是上面的那幾個例子，用非貪婪匹配，則結果如下：
>>> re.findall('hi*?', 'hiiiii')
['h']
>>> re.findall('hi{2,}?', 'hiiiii')
['hii']
>>> re.findall('hi{1,3}?', 'hiiiii')
['hi']
另外一個例子中，使用非貪婪匹配，結果如下：
>>> sentence = """You said "why?" and I say "I don't know"."""
>>> re.findall(r'"(.*?)"', sentence)
['why?', "I don't know"]
捕獲與非貪婪
嚴格來說，這一部分并不是非貪婪特性。但是由于其行為與非貪婪類似，所以為了方便記憶，就將其放在一起了。
(?=abc) 捕獲，但不消耗字符，且匹配abc
(?!abc) 捕獲，不消耗，且不匹配abc
在正則表達式匹配的過程中，其實存在“消耗字符”的過程，也就是說，一旦一個字符在匹配過程中被檢索（消耗）過，后面的匹配就不會再檢索這一字符了。
知道這個特性有什么用呢？還是用例子說明。比如，我們想找出字符串中出現過1次以上的單詞：
>>> sentence = "Oh what a day, what a lovely day!"
>>> re.findall(r'\b(\w+)\b.*\b\1\b', sentence)
['what']
這樣的正則表達式顯然無法完成任務。為什么呢？原因就是，在第一個(\w+)匹配到what，并且其后的\1也匹配到第二個what的時候，“Oh what a day, what”這一段子串都已經被正則表達式消耗了，所以之后的匹配，將直接從第二個what之后開始。自然地，這里只能找出一個出現了兩次的單詞。
那么解決方案，就和上面提到的(?=abc)語法相關了。這樣的語法可以在分組匹配的同時，不消耗字符串！所以，正確的書寫方式應該是：
>>> re.findall(r'\b(\w+)\b(?=.*\b\1\b)', sentence)
['what', 'a', 'day']
如果我們需要匹配一個至少包含兩個不同字母的單詞，則可以使用(?!abc)的語法：
>>> 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'>
Python正則表達式中關于貪婪的內容至此就總結完畢了。下一篇文章，我會繼續總結一下Python正則表達式re模塊的一些API的用法。
來自：http://blog.guoyb.com/2017/03/01/python-regex-3/