Статья Автор: Деникина Н.В., Деникин А.В.

Вопрос 24. Поиск в тексте регулярными выражениями. Типовые паттерны. Часть 5 (Жадность vs Ленивость)

Что такое жадность?

По умолчанию все квантификаторы (*, +, ?, {n,m}) — жадные. Это значит, что они пытаются захватить как можно больше символов.

import re

s = "AXXXXA"
res = re.findall(r'A.*A', s)  # ['AXXXXA']
print(res)

['AXXXXA'] — захватил всё от первого A до последнего

Как работает жадный поиск:

A — нашли первую букву A (позиция 0)
.* — захватываем ВСЁ до конца строки: XXXXA
Пытаемся найти A в конце — не получается (строка кончилась)
Откатываемся на один символ назад
Проверяем — это A? Да! Совпадение найдено: AXXXXA

Что такое ленивость?

Добавляем ? после квантификатора — он становится ленивым и захватывает как можно меньше.

import re

s = "AXXXXA"
re.findall(r'A.*?A', s)  # ['AXXXXA'] — тот же результат, но по-другому

s = "AXAXBXBXA"
re.findall(r'A.*A', s)   # ['AXAXBXBXA'] — жадный: от первого до последнего A
re.findall(r'A.*?A', s)  # ['AXA'] — ленивый: от первого до БЛИЖАЙШЕГО A

Как работает ленивый поиск:

A — нашли первую букву A (позиция 0)
.*? — пробуем захватить ноль символов
Проверяем — следующий символ A? Нет, это X
Захватываем один символ X, проверяем следующий — это A? Да!
Совпадение: AXA

Как работает ленивый поиск:

A — нашли первую букву A (позиция 0)
.*? — пробуем захватить ноль символов
Проверяем — следующий символ A? Нет, это X
Захватываем один символ X, проверяем следующий — это A? Да!
Совпадение: AXA

Сравнение на примерах

import re

s = "<div>Hello</div><div>World</div>"

# Жадный — захватит всё между первым < и последним >
re.findall(r'<.*>', s)
# ['<div>Hello</div><div>World</div>']

# Ленивый — остановится на первом >
re.findall(r'<.*?>', s)
# ['<div>', '</div>', '<div>', '</div>']

Практические примеры

Задача: Найти все числа, ограниченные буквами FF с обеих сторон.

import re

s = "FF123FFFF456FF789FF"

# Жадный — захватит слишком много
print(re.findall(r'FF.*FF', s))   # ['FF123FFFF456FF789FF']

# Ленивый — правильно разделит
print(re.findall(r'FF.*?FF', s))  # ['FF123FF', 'FF456FF', 'FF789FF']

# Но лучше — запретить F внутри
print(re.findall(r'FF[^F]+FF', s))  # ['FF123FF', 'FF456FF', 'FF789FF']

Печать