如何使正则表达式匹配为非贪婪模式？

Question

我在编程书中读到，.*?通常会使正则表达式变得非贪婪，从而匹配最短的可能匹配项。

然而，对于以下内容，它并不能按照预期工作：

正则表达式：http.*?500.jpg

测试字符串：http://google.com<img src="http://33.google.com/image/500.jpg

我想要匹配的是最短的字符串：http://33.google.com/image/500.jpg。

但是它没有。它匹配了整个字符串...

我尝试着更深入地阅读正则表达式，但是我还没有能力解决它。

如何像这个例子一样只选择最短的字符串匹配？

- BBedit

---

http://regex101.com/r/bG8gT3 - jonrsharpe

这里真正的问题是你试图使用正则表达式来解析HTML。http://blog.codinghorror.com/parsing-html-the-cthulhu-way/ - jedmao

@mrjedmao 不适用。 - Zig Mandel

Answer 1

我知道已经有两个答案了，但有时候从另一个角度来看问题并处理问题会更有帮助。 问题 当引擎定位在第一个之前时，它会尽力匹配正则表达式 http.*?500.jpg。在那个位置上，这个正则表达式能够匹配吗？是的，它可以。在匹配到http后，引擎一直惰性匹配，直到遇到500.jpg为止。没有任何东西可以阻止它。你告诉引擎只匹配必要的字符，它正在执行它被告知的任务。

相比之下，假设你有一个包含两个500.jpg的字符串。

http://google.com<img src="http://google.com/500.jpg 1500.jpg 
                                                    ^ lazy .*? stops here
                                                             ^ greedy .* stops here

贪婪匹配会匹配整个字符串。但是懒惰匹配会尽快停止：在原处停止。这就是贪婪和懒惰之间的区别。

解决方法：不要使用点星 - 使用正确的令牌

假设您知道每个http字符串后面有一个空格或换行符。您可以使用http\S*?\.jpg进行懒惰匹配。关键是\S*不能跳过空格，而点星可以。

参考文献

此外，我强烈建议您阅读下面的文章，它应该有助于解决任何剩余的困惑。

正则表达式的许多层次的贪婪程度

- zx81

Answer 2

http 尽可能早地匹配，然后 .*? 尽可能少地匹配，导致字符串比必要的更长。

相反，您可以在它之前添加贪婪的 .* 来确保 http 尽可能晚地匹配：

import re
str = 'http://google.com<img src="http://33.google.com/image/500.jpg'
re.match('.*(http.*?500.jpg)', str).groups()[0]

- that other guy

Answer 3

正则表达式引擎从左到右逐个字符处理字符串。因此，当找到第一个http时，正则表达式引擎会尝试使用尽可能少的字符使模式成功，但是从当前位置开始（换句话说：在字符串中尽快匹配）。

对于您的示例，为了确保匹配以500.jpg结尾的url，您可以通过提供更多信息来帮助正则表达式引擎找到所需内容，例如：

\bhttp://\S+/500\.jpg\b

新增信息:

• 使用单词边界 \b
• http:// 更加明确
• \S+ 利用url中没有空格的事实 (通常将空格转换为 %20)
• 文件名前的斜杠

注意: 当您在模式中添加更多信息时，您会发现有时懒惰量词是无用的。

这只是符合您摘录的示例。您需要根据自己的情况进行调整。(假设字符串由逗号分隔的URL组成，在这种情况下，应将 \S 替换为 [^\s,])

- Casimir et Hippolyte

Answer 4

import re
str = 'http://google.com<img src="http://33.google.com/image/500.jpg'

#by using findall() function...
exact_url=re.findall(r"^http:.*?(http://.*/500.jpg)$",str)[0]

#by using match() function...
exact_url=re.match(r"^http:.*(http://.*)$",str).group(1)

- Daniel Muthupandi