python中正则表达式*?的一个问题

Question

1.看书上教材说*?是非贪婪模式，那么对于下面这段代码，为啥结果是空呢？

>>> import re
>>> line = 'cats are smart than dogs.'
>>> m=re.match(r'(.*?)',line)
>>> m.group()

结果为：''
为什么结果为空呢？不应该是cats么？难道字符串前默认有个空字符？
新手求明白人给解答下，谢谢了

Answer 1

. = 任意字符
* = 出现 0 或多次，相当于 {0,}
? = 取前面匹配最少的，相当于 {0,1}

综合起来就是“任意字符出现0次“，所以就是什么都没有。

要匹配到 cats 应该利用 cats 后面的空格，r'(.*?) '。

Answer 2

我个人理解的是，.*?匹配的是^ 就是开始的那个位置，正则表达式里面，位置也是可以被匹配的，比如:

In [1]: s = 'a'
In [2]: re.sub(r'^','b',s)
Out[2]: 'ba'

这个例子就是替换了^ , 同理 $也一样， 所以你的.*?直接匹配了^.
PS: 在使用正则的时候，尤其是文本内容比较多的时候， 不建议使用.*而是[sS]* 或者[dD]*等等

Answer 3

这是正则表达式贪婪匹配和非贪婪匹配的区别：

• 贪婪模式：在能匹配的时候，匹配最长的。表达式不以?结尾。

• 非贪婪模式：在能匹配的时候，匹配最短的。表达式以?结尾。

比如字符串abcabcabc，当我想要匹配以a开头、以c结尾的字符串时，存在三个匹配：abc、abcabc和abcabcabc，其中最长的abcabcabc可以用a.*c匹配，而最短的abc可以用a.*?c匹配。

>>> import re
>>> line = "abcabcabc"
>>> m = re.match(r'a.*c', line)
>>> m.group()
'abcabcabc'
>>> m = re.match(r'a.*?c', line)
>>> m.group()
'abc'

为什么结果为空呢？不应该是cats么？

因为.*是贪婪模式，会匹配最长的字符串，其中每个字符都是任意字符（.），即由所有输入字符组成的字符串。而.*?是非贪婪模式，会匹配最短的字符串，其中每个字符都是任意字符（.），即空字符串。

如果想匹配 cats 这个单词，应该使用cats。如果想匹配输入字符串中的第一个单词，应该使用w+或S+。

>>> m=re.match(r'\w+',line)
>>> m.group()
'cats'
>>> m=re.match(r'\S+',line)
>>> m.group()
'cats'

难道字符串前默认有个空字符？

没有，不过在正则表达式中，可以用^表示字符串的开始位置，用$表示结束位置。注意这两个字符（^和$）是匹配规则规定的符号，用于你所写的规则字符串，不是说待匹配字符串中包含这两个符号。

Answer 4

. 边界匹配，不消耗带匹配字符串中字符，又是非贪婪模式，所以匹配不到字符串