regex-greedy-matching.md

domain	contrib
title	正则表达式 debugging — 贪婪匹配造成的意外结果
verification	metadata-normalized
{"title"	正则表达式 debugging — 贪婪匹配造成的意外结果", "domain": "development", "tags": ["regex", "debug", "greedy", "pattern"], "domain_expert": "unknown"}
created	2026-07-06
source	unknown

背景

正则匹配返回了预期之外的大量文本。<div>.*</div> 匹配到了文档末尾而不是最近的闭合标签。

根因

默认 .* 和 .+ 是贪婪模式，匹配尽可能多的字符。

修复

import re

text = "<div>内容1</div><div>内容2</div>"

# 正则表达式 debugging — 贪婪匹配造成的意外结果
re.findall(r"<div>(.*)</div>", text)
# ['内容1</div><div>内容2']

# ✅ 非贪婪：匹配到最近的 </div>
re.findall(r"<div>(.*?)</div>", text)
# ['内容1', '内容2']

# ✅ 使用更精确的排除匹配
re.findall(r"<div>([^<]*)</div>", text)
# ['内容1', '内容2']

速查

模式	含义	改为非贪婪
.*	任意字符0次+	.*?
.+	任意字符1次+	.+?
\d+	数字1次+	\d+?

验证

# 确认期望的匹配范围
python3 -c "import re; print(re.findall(r'YOUR_PATTERN', 'YOUR_TEXT'))"