正则表达式中的贪婪模式和非贪婪模式

这是我在这个网站整理的笔记,有错误的地方请指出，关注我，接下来还会持续更新。

作者：神的孩子都在歌唱

一. 贪婪模式（Greedy Mode）

定义: 贪婪模式是正则表达式的默认匹配模式。在贪婪模式下，量词会尝试匹配尽可能多的字符。贪婪量词包括 *、+、?、{n,m} 等。

示例:

假设我们有以下字符串：

<a>First</a><a>Second</a>

使用贪婪模式的正则表达式 <a>.*</a> 来匹配 <a> 和 </a> 之间的内容：

import re
​
text = "<a>First</a><a>Second</a>"
pattern = re.compile(r"<a>.*</a>")
matches = pattern.findall(text)
print(matches)

输出：

['<a>First</a><a>Second</a>']

正则表达式 <a>.*</a> 匹配了整个字符串，因为 .* 尽可能多地匹配字符，直到最后一个 </a>。

二. 非贪婪模式（Non-Greedy Mode）

定义: 非贪婪模式也称为懒惰模式（Lazy Mode）。在非贪婪模式下，量词会尝试匹配尽可能少的字符。非贪婪量词通过在贪婪量词后面加上一个问号 ? 来表示，例如 *?、+?、??、{n,m}? 等。

示例

使用非贪婪模式的正则表达式 <a>.*?</a> 来匹配 <a> 和 </a> 之间的内容：

import re
​
text = "<a>First</a><a>Second</a>"
pattern = re.compile(r"<a>.*?</a>")
matches = pattern.findall(text)
print(matches)

输出：

['<a>First</a>', '<a>Second</a>']

正则表达式 <a>.*?</a> 分别匹配了两个 <a> 标签和它们之间的内容，因为 .*? 尽可能少地匹配字符，直到遇到第一个 </a>。

三.应用场景区别

• 贪婪模式：适用于需要匹配尽可能多内容的情况。

• 非贪婪模式：适用于需要匹配尽可能少内容的情况，避免过度匹配。

作者：神的孩子都在歌唱

本人博客：https://blog.csdn.net/weixin_46654114

转载说明：务必注明来源，附带本人博客连接。

总结

在正则表达式中，理解贪婪模式和非贪婪模式的区别是编写有效匹配模式的关键。贪婪模式会尝试匹配尽可能多的字符，而非贪婪模式会尝试匹配尽可能少的字符。根据具体需求选择合适的匹配模式，可以提高正则表达式的准确性和效率。

通过上述示例和解释，希望你能更好地理解和应用正则表达式中的贪婪模式和非贪婪模式。如果你有更多问题或需要进一步的帮助，请随时联系我。

为了更好地理解这个问题，我们需要深入了解非贪婪模式（.*?）的工作机制。

非贪婪模式的工作原理

非贪婪模式会尽可能少地匹配字符，但它仍然会尝试匹配整个正则表达式。如果在尝试匹配整个正则表达式时遇到需要匹配更多字符的情况，它会继续匹配更多的字符，以满足整个正则表达式的需求。

你的正则表达式

(?i)\bSELECT\s+(?:current_database\(\)|.*?\bFROM\s+pg_database)

让我们分析这个正则表达式在匹配以下字符串时的行为：

字符串：

SELECT * FROM dfdf FROM pg_database;

步骤分析：

1. (?i)\bSELECT\s+ 匹配 "SELECT" 关键字和后面的一个或多个空白字符。

2. (?:current_database\(\)|.*?\bFROM\s+pg_database) 尝试匹配：

   • current_database\(\): 不匹配，因为字符串中没有 current_database()

   • .*?\bFROM\s+pg_database: 非贪婪模式开始尽可能少地匹配字符

匹配过程

在 .*?\bFROM\s+pg_database 中，非贪婪模式会首先尝试匹配尽可能少的字符：

• 起初，.*? 可能会匹配零个字符，然后继续看后面的模式 \bFROM\s+pg_database 是否能够匹配到字符串中的内容。

• 如果 \bFROM\s+pg_database 没有匹配到（因为后面没有 FROM pg_database），非贪婪模式会逐步增加匹配的字符数量，直到满足 \bFROM\s+pg_database 的条件。

示例解释

字符串：SELECT * FROM dfdf FROM pg_database;

1. SELECT: 匹配 (?i)\bSELECT\s+

2. * FROM dfdf: 尝试最小匹配 .*?

3. FROM pg_database: 满足 \bFROM\s+pg_database

即使使用了非贪婪模式，它会继续匹配更多的字符以满足整个正则表达式的条件。因此，它最终匹配了 SELECT * FROM dfdf FROM pg_database。

改进方案

为了更准确地控制匹配结果，你可以使用更严格的正则表达式，限制非贪婪模式的匹配范围。例如，你可以明确指定 SELECT 和 FROM 之间的内容：

(?i)\bSELECT\s+(?:current_database\(\)|[^;]*?\bFROM\s+pg_database)

在这里，[^;]*? 表示匹配除分号以外的任意字符（尽可能少），直到遇到单词边界的 FROM 和 pg_database。

示例代码

import re

# 示例文本
text = "SELECT * FROM dfdf FROM pg_database;"

# 改进的正则表达式
regex = r"(?i)\bSELECT\s+(?:current_database\(\)|[^;]*?\bFROM\s+pg_database)"

# 编译正则表达式
pattern = re.compile(regex)

# 查找匹配项
matches = pattern.findall(text)

# 输出结果
print("Text:", text)
print("Matches:", matches)

输出

Text: SELECT * FROM dfdf FROM pg_database;
Matches: ['SELECT * FROM dfdf FROM pg_database']

这种方式可以避免匹配到不需要的部分，更准确地控制匹配结果。

作者：神的孩子都在歌唱

本人博客：https://blog.csdn.net/weixin_46654114

转载说明：务必注明来源，附带本人博客连接。