Python中正则表达式问题：无限通配符(*)为何表现不同？

嘿，这个问题问得相当戳中新手痛点——不少刚玩正则的朋友都会被*的“变脸”搞懵。先把Stack上最常见的那两组典型案例补出来，咱们一步步拆解差异的根源：

典型案例对比 #

案例一：贪婪模式下的.* #

import re
text = "Hello <foo> and <bar> world"
result = re.findall(r"<.*>", text)
print(result)  # 输出: ['<foo> and <bar>']

案例二：非贪婪模式下的.*? #

import re
text = "Hello <foo> and <bar> world"
result = re.findall(r"<.*?>", text)
print(result)  # 输出: ['<foo>', '<bar>']

核心原因：贪婪 vs 非贪婪的本质差异 #

Python正则里的*本身是贪婪量词——它的天性就是“能多吃就多吃”，会尽可能匹配所有符合规则的字符，直到完全无法匹配为止：

• 案例一中的<.*>：.*从第一个<开始，一路匹配到文本里最后一个>才停下，直接把中间的内容全打包进去了；
• 案例二中的<.*?>：在*后面加了个?，相当于给它泼了盆冷水，把贪婪模式改成了非贪婪（惰性）模式——它会“见好就收”，只要碰到下一个>就立刻停止匹配，所以会分别捕获两个独立的标签。

另一种容易混淆的“区别对待”：字符集里的* #

如果你的案例涉及到方括号[]，那*的身份会直接切换：它不再是通配符，而是普通的字面字符。比如：

# 案例一：*作为量词，匹配0个或多个a
re.findall(r"a*", "aaabbb")  # 输出: ['aaa', '', '', '']
# 案例二：*作为普通字符，只匹配字面的*
re.findall(r"[a*]", "aa*bb*")  # 输出: ['a', 'a', '*', '*']

这时候的差异完全是因为*所处的位置：在字符集内部，所有量词都会失去特殊含义，变回普通字符。

总结 #

说白了，*并不是被“区别对待”，而是不同的使用场景触发了它的不同行为：

• 单独的*：贪婪量词，尽可能多匹配；
• *?：非贪婪量词，尽可能少匹配；
• 在[]内的*：普通字符，仅匹配字面的*。

内容的提问来源于stack exchange，提问作者Anand Nataraj