Python正则中量词默认贪婪，加?变为非贪婪；?必须紧贴量词后，仅控制当前量词匹配长度，不解决歧义或性能问题。
为什么默认是贪婪匹配，加问号才变非贪婪
Python 的 re 模块中，*、+、?、{m,n} 这些量词默认都是「贪婪」的——它们会尽可能多地匹配字符，直到无法继续为止。比如 r'a.*b' 在 'aabab' 中会匹配整个 'aabab'，而不是更早结束的 'aab'。
加问号（?）不是单独的量词，而是修饰前一个量词的「非贪婪模式开关」。它让匹配行为从“吃到撑”变成“够用就行”。
-
.*?：匹配任意字符（除换行符），但尽可能少 -
.*：匹配任意字符，但尽可能多 -
\d+?：匹配数字，但一旦满足后续条件就停，比如在'123abc'中匹配'1'而非'123'（如果后面有约束）
实际写正则时，哪些地方必须加问号才能拿到想要的结果
典型场景是提取嵌套或重复结构中的最内层内容，比如 HTML 标签、括号对、引号字符串。不加问号，容易跨过中间边界，一锅端。
例如提取 '<div>hello</div>
<div>world</div>' 中第一个 div 的内容：
立即学习“Python免费学习笔记（深入）”；
Claw Code Suite (Python-Only Edition)
下载
仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...
import re text = '<div>hello</div><div>world</div>' print(re.search(r'<div>(.*?)</div>', text).group(1)) # 输出: hello print(re.search(r'<div>(.*)</div>', text).group(1)) # 输出: hello</div><div>world
- 用
.*?：遇到第一个</div>就停，得到hello - 用
.*：一直往后找最后一个</div>，结果包含中间的标签 - 注意：非贪婪只影响「当前量词」，不会改变分组或锚点逻辑
常见踩坑：问号位置错了、没转义、或误以为能解决所有回溯问题
问号必须紧贴量词之后，不能隔空或放错位置。而且它只控制匹配长度，不解决正则本身的歧义或性能问题。
- 错误写法：
r'a.?b'→ 这里?是独立量词（匹配 0 或 1 个.），不是非贪婪修饰符 - 正确写法：
r'a.*?b'、r'a.+?b'、r'a\w+?b' - 在字符类中
[a-z]+?有效，但[a-z?]?是另一回事（把?当成字符） - 非贪婪 ≠ 更快；某些情况下反而引发更多回溯，比如
r'<.>'</.>在超长无闭合标签文本中仍可能慢 - 若目标是提取引号内容，
r'"([^"]*)'比r'"(.*?)"'更安全（避免空字符串或未闭合引号干扰）
替代方案：什么时候不该依赖非贪婪，而该换思路
非贪婪匹配本质是“边走边试”，在复杂嵌套或模糊边界下容易失效。这时候显式定义边界更可靠。
- 提取 JSON 字符串值？用
json.loads()解析，别手写r'"(.*?)"' - 匹配带嵌套括号的表达式？
re本身不支持递归，非贪婪也无济于事，得用pyparsing或手动栈解析 - 想匹配「以 A 开头、B 结尾、中间不含 C」？用否定字符类
r'A[^C]*B'比r'A.*?B'更精准、更高效 - 处理 HTML？优先用
BeautifulSoup，正则加非贪婪仍是脆弱的临时方案
非贪婪问号是个实用开关，但它的作用范围很窄：只调用量词的伸缩性。真正决定匹配成败的，往往是模式设计本身是否贴合数据结构。
