为什么在Python正则表达式中使用问号文字？

阅读更多：Python 教程

简介

问号使正则表达式中的前一个标记为可选项。例如：colou？r对都适用的是colour和color。一个量词就是所谓的问号。

通过将多个标记组合在括号中，并在最后一组括号后加上问号，您可以使多个标记可选。例如，Nov(ember)?匹配Nov和Nov之间的日期。

使用许多问号，您可以创建一个正则表达式，匹配各种选项。Feb(ruary)? 23(rd)? 匹配February 23rd、February 23、Feb 23rd和Feb 23。

花括号也可用于使某物成为可选项。colou？r的等效形式为colou{0,1}r。POSIX BRE和GNU BRE都与其他正则表达式不兼容。花括号需要反斜杠来表示以下风格的特定含义：colou\{0,1\}r。

重要的正则表达式概念：贪婪度

本课程介绍的第一个贪婪元字符是问号。对于问号，正则表达式引擎有两个选项：要么尝试匹配问号所涉及的部分，要么不尝试匹配它。该引擎总是尝试匹配该组件。该引擎不会尝试忽略问号所涉及的部分，除非这导致完整的正则表达式失败。

因此，当应用正则表达式Feb 23(rd)?到文本Today is Feb 23, 2003时，匹配总是Feb 23rd，而不是Feb 23。通过在第一个问号后添加另一个问号，您可以使问号变成“懒惰的”（即，关闭贪婪度）。

语法

re.findall()：re.findall(pattern, string)

方法在字符串中查找所有pattern
出现的位置，并返回所有匹配子字符串的列表。

第一个参数是正则表达式模式“aa[cde]?”。要检查模式的字符串是第二个参数。简单来说，您正在寻找以两个“a”字符开头和一个可选字符“c”、“d”或“e”的模式。

示例

# 载入re模块
import re
# 由findall函数执行
result1 = re.findall('aa[cde]?', 'aacde aa aadcde')
# re.findall(pattern, string)方法在字符串中查找所有pattern出现的位置，并返回所有匹配子字符串的列表。
result2 = re.findall('aa?', 'accccacccac')
result3 = re.findall('[cd]?[cde]?', 'ccc dd ee')
# 打印结果
print(result1)
print(result2)
print(result3)

输出

['aac', 'aa', 'aad']
['a', 'a', 'a']
['cc', 'c', '', 'dd', '', 'e', 'e', '']

代码解释

findall()方法返回三个匹配的子字符串:

首先，模式与字符串“aac”匹配。在Python匹配子字符串后，子字符串仍然为“de aa aadcde”。此外，字符串“aa”匹配模式。它被Python消耗掉，留下了仅为“aadcde”的子字符串。第三个，最后的子字符串中的模式匹配字符串“aad”。留下“cde”，不再有匹配的子字符串。

查看正则表达式引擎内部

现在将模式colou？r应用于字符串The colonel likes the colour green。

字面上的 c 是正则表达式中的第一个标记。在 colonel 中的 c 是它正确匹配的第一个位置。引擎继续运行，发现 l 匹配 l，另一个 o 匹配 o，o 再次匹配 o。然后引擎确定 u 和 n 是否相等。它失败了。然而，问号指示正则表达式引擎允许缺少字符 u。因此，引擎继续进行到下一个正则表达式标记 r。然而，这也无法匹配 n。现在，引擎只能得出结论，从 colonel 中的 c 开始的整个正则表达式无法匹配。为了匹配 colonel 中的 c 到第一个 o，引擎重新启动。

o、l 和 o在一系列失败后匹配了以下字符， c 匹配了颜色中的 c。引擎现在确定 u 和 r 是否匹配。它失败了。同样，没有问题。由于问号的缘故，引擎可能继续执行 r。引擎声明，正则表达式成功匹配了我们文本中的颜色，因为它匹配了 r。