Python正则表达式教程：分组、贪婪与非贪婪匹配

正则表达式（Regular Expression）是处理文本的强大工具，在Python中通过re模块实现。本教程将重点介绍正则表达式的三个核心概念：分组、贪婪匹配和非贪婪匹配，帮助新人轻松掌握。

1. 正则表达式简介

正则表达式使用模式匹配来搜索或替换字符串。例如，\d匹配数字，\w匹配单词字符。在Python中，首先导入re模块：

import re

2. 分组（Grouping）

分组使用圆括号()将模式的一部分组合起来，以便重用或捕获匹配内容。

2.1 捕获组

捕获组将匹配的子字符串保存起来，可以在后续使用。例如，匹配一个简单的邮箱地址：

pattern = r'(\w+)@(\w+)\.com'
text = 'example@test.com'
match = re.search(pattern, text)
if match:
    print('整个匹配:', match.group(0))
    print('用户名:', match.group(1))
    print('域名:', match.group(2))
# 输出:
# 整个匹配: example@test.com
# 用户名: example
# 域名: test

解释：

• (\w+)匹配用户名部分（如example），(\w+)匹配域名部分（如test）。
• match.group(0)返回整个匹配字符串，match.group(1)和match.group(2)分别返回第一个和第二个捕获组的内容。

2.2 非捕获组

使用?:前缀创建非捕获组，它匹配但不保存匹配内容，提高效率。例如：

pattern = r'(?:\w+)@(\w+)\.com'
text = 'example@test.com'
match = re.search(pattern, text)
if match:
    print('捕获组数量:', match.groups())
    # 输出: ('test',) 只捕获域名，用户名不捕获

3. 贪婪匹配（Greedy Matching）

默认情况下，量词（如*, +, ?, {n,m}）会尽可能多地匹配字符，这就是贪婪匹配。

示例：使用.*匹配任意字符（贪婪）。

pattern = r'<.*>'
text = '<p>Hello</p> <div>World</div>'
match = re.search(pattern, text)
if match:
    print('贪婪匹配:', match.group())
# 输出: <p>Hello</p> <div>World</div>

解释：.*匹配从第一个<到最后一个>之间的所有字符，包括中间的内容。

常用贪婪量词：

• *：匹配0次或多次，尽可能多。
• +：匹配1次或多次，尽可能多。
• ?：匹配0次或1次，尽可能多。
• {n,m}：匹配n到m次，尽可能多。

4. 非贪婪匹配（Non-greedy Matching）

非贪婪匹配使用量词后加?，如*?、+?、??，尽可能少地匹配字符。

示例：使用.*?匹配任意字符（非贪婪）。

pattern = r'<.*?>'
text = '<p>Hello</p> <div>World</div>'
match = re.search(pattern, text)
if match:
    print('非贪婪匹配:', match.group())
# 输出: <p>

解释：.*?匹配从第一个<到下一个>之间的字符，找到最短匹配，即<p>。

要匹配所有标签，可以使用re.findall：

matches = re.findall(r'<.*?>', text)
print('所有匹配:', matches)
# 输出: ['<p>', '</p>', '<div>', '</div>']

5. 贪婪与非贪婪比较

通过示例对比：

text = 'abc123def'
pattern_greedy = r'\w+'
pattern_non_greedy = r'\w+?'

match_greedy = re.search(pattern_greedy, text)
match_non_greedy = re.search(pattern_non_greedy, text)

print('贪婪匹配:', match_greedy.group())  # 输出: abc123def
print('非贪婪匹配:', match_non_greedy.group())  # 输出: a

解释：贪婪量词\w+匹配整个单词，而非贪婪\w+?只匹配第一个字符。

6. 实践练习

自己尝试修改代码，理解分组、贪婪和非贪婪：

• 分组：捕获电话号码的区号和号码。
• 贪婪与非贪婪：从HTML标签中提取内容。

7. 总结

• 分组：使用()组织模式，捕获或非捕获匹配部分。
• 贪婪匹配：量词默认行为，尽可能多地匹配。
• 非贪婪匹配：量词后加?，尽可能少地匹配。

学习正则表达式需要多练习，建议结合Python官方文档或在线工具如regex101.com进行实验。Happy coding!