本文讲解如何通过非贪婪量词（.*?）配合 re.findall 精确提取所有以起始字符串开头、结束字符串结尾的中间内容，避免贪婪匹配导致的跨段误捕获。
本文讲解如何通过非贪婪量词（`.*?`）配合 `re.findall` 精确提取所有以起始字符串开头、结束字符串结尾的中间内容，避免贪婪匹配导致的跨段误捕获。
在正则表达式中，默认的 *（星号）是贪婪量词，它会尽可能多地匹配字符。例如，对字符串 'aabcadeaaabbacababe' 使用 c(.*)e 时，正则引擎会从第一个 c 开始，一直匹配到最后一个 e，结果得到 'ad' + 'aaabbacabab' 这一整段（即 'adaaabbacabab'），而非我们期望的两个独立片段。
要实现“每对 c 和紧随其后的最近 e 之间”的匹配，必须启用非贪婪（懒惰）模式：将 .* 改为 .*?。问号 ? 在量词后表示“尽可能少匹配”，从而让每次匹配都止步于第一个满足条件的结束字符。
以下是完整可运行示例：
import re text = 'aabcadeaaabbacababe' matches = re.findall(r'c(.*?)e', text) print(matches) # 输出: ['ad', 'abab']
✅ 关键点说明：
-
r'c(.*?)e'中的(.*?)是一个捕获组，re.findall默认只返回捕获组内容（即c与e之间的部分）； - 若需包含边界字符（如
c...e整体），可改用re.finditer或写成r'(c.*?e)'； - 注意：该模式不支持重叠匹配（如
'cce'中仅匹配一次'cce'，不会额外匹配'ce'），如需重叠结果需借助regex库的overlapped=True参数或手动滑动窗口实现。
⚠️ 常见误区提醒：
- 不要使用
(?=...)正向先行断言替代.*?——它不消耗字符，无法界定中间内容范围； - 避免在多行文本中忽略
re.DOTALL标志：若目标内容可能含换行符，需添加flags=re.DOTALL； - 若起始/结束子串本身含特殊正则字符（如
.、*、[），务必使用re.escape()转义，确保字面量匹配。
掌握非贪婪匹配是精准文本抽取的基础能力，适用于日志解析、模板提取、HTML 片段抓取等众多实际场景。
