Python 正则表达式中的 *?

Question

这个Python的正则表达式匹配什么呢？

.*?[^\\]\n

我有点搞不懂，为什么.后面会跟着*和?这两个符号。

Answer 1

打开Python re模块的文档，搜索*?，我们可以找到以下内容：

*?、+?、??：

这几个符号*、+和?都是贪婪的，它们会尽可能多地匹配文本。有时候，这种行为并不是我们想要的。例如，如果我们用正则表达式<.*>去匹配<H1>title</H1>，它会匹配整个字符串，而不仅仅是<H1>。在这些符号后面加上?，就可以让它们以非贪婪的方式匹配，也就是说，它们会尽量少匹配字符。比如在之前的表达式中使用.*?，就只会匹配到<H1>。

Answer 2

. 表示一个通配符。它可以匹配任何东西，除了换行符 \n，除非你使用了合适的标志。

* 表示前面的东西可以出现0次或多次。

? 表示前面的量词是懒惰的。它会在找到第一个匹配项后就停止搜索。

Answer 3

*的意思是“尽可能多地匹配前面的元素（可以是零次或多次）”。

*?的意思是“尽可能少地匹配前面的元素（可以是零次或多次）”。

其他回答已经讨论过这个问题，但他们没有提到它如何改变正则表达式。如果提供了re.DOTALL这个标志，会有很大的不同，因为启用后.会匹配换行符。所以.*[^\\]\n会从字符串的开头匹配到最后一个没有被反斜杠前缀的换行符（这样会匹配多行）。

如果没有提供re.DOTALL标志，差别就比较微妙了，[^\\]会匹配除了反斜杠以外的所有字符，包括换行符。考虑以下例子：

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

这个正则表达式的目的是找到不以反斜杠结尾的非空行，但如果你用.*代替.*?，那么在非空行后面有空行的情况下，你会多匹配一个\n。

这是因为.*?只会匹配fo，[^\\]会匹配第二个o，而\n会在第一行的末尾匹配。然而.*会匹配foo，[^\\]会匹配\n来结束第一行，接下来的\n会匹配，因为第二行是空的。