带*的Python正则表达式？

Question

这个Python正则表达式匹配什么？在

.*?[^\\]\n

我很困惑为什么.后面都是*和{}。在

Answer 1

*表示“尽可能多次匹配上一个元素（零次或多次）”。在

*?表示“尽可能少地匹配上一个元素（零次或多次）”。在

其他答案已经解决了这个问题，但是他们没有提到它是如何改变regex的，如果提供了re.DOTALL标志，它会有很大的不同，因为.将匹配启用的换行符。因此.*[^\\]\n将从字符串的开头一直匹配到前面没有反斜杠的最后一个换行符（因此多行将匹配）。在

如果没有提供re.DOTALL标志，区别就更细微，[^\\]将匹配除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']

因此，此regex的目的是查找不以反斜杠结尾的非空行，但是如果使用.*而不是{}，那么如果在非空行后面有一个空行，那么将匹配一个额外的\n。在

这是因为.*?只匹配fo，[^\\]将匹配第二个o，而{}匹配在第一行的末尾。但是.*将匹配foo，[^\\]将匹配\n以结束第一行，而下一个{}将匹配，因为第二行是空的。在

Answer 2

.表示通配符。它可以匹配除\n之外的任何内容，除非使用了适当的标志。在

*表示前面可以有0个或更多个对象。在

?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。在

Answer 3

打开Python re module documentation，搜索*?，我们发现：

*?, +?, ??:

The *, +, and ? qualifiers are all greedy; they match as much text as possible. Sometimes this behaviour isn’t desired; if the RE <.*> is matched against <H1>title</H1>, it will match the entire string, and not just <H1>. Adding ? after the qualifier makes it perform the match in non-greedy or minimal fashion; as few characters as possible will be matched. Using .*? in the previous expression will match only <H1>.