Python 正则 . * ? .* .*? (.*?) 通俗讲解

导语： 正则表达式是处理字符串、爬虫提取内容的利器，很多新手刚接触正则的时候，会被 .、*、?、.*、.*?、(.*?) 这几个符号绕晕。本文和课堂笔记对齐，用最简单直白的语言 + 可运行代码示例，一次性讲清楚贪婪 / 非贪婪、分组捕获，爬虫提取文本高频使用。

目录

1. 前置说明
2. 符号逐个讲解 + 代码示例
3. 贪婪 .* 和非贪婪 .*? 对比
4. 分组 (.*?) 爬虫实战
5. 汇总对比表格
6. 新手高频踩坑点
7. 总结

---

1. 前置说明

正则表达式专门用于字符串处理。 在 Python 中使用正则，需要先导入内置re模块：

import re

统一测试字符串（下面示例共用）

s = "a123bxxxbyyyb"

---

2. 符号逐个讲解 + 代码示例

① . 点

含义：匹配除换行符 \n 以外的任意 1 个字符

import re
s = "a123bxxxbyyyb"
res = re.findall(r'a.', s)
print(res)  
# 输出：['a1']
# 解释：匹配a后面紧跟任意一个字符

② * 星号

含义：* 前面的字符，出现 0 次或者多次（可以没有，也可以无数个）

import re
s = "a123bxxxbyyyb"
res = re.findall(r'x*b', s)
print(res)
# 输出：['xxxb', 'b']
# 解释：匹配x（0个或者多个）后面跟着b

③ ? 问号

含义：? 前面的字符，出现 0 次或者 1 次（最多只能有 1 个）

import re
s = "a123bxxxbyyyb"
res = re.findall(r'x?b', s)
print(res)
# 输出：['xb', 'b']
# 解释：x可有可无，最多1个x，后面跟b

④ .* 贪婪模式

含义：贪婪 = 能拿多少拿多少，一直匹配到最后一个结束标记才停下

import re
s = "a123bxxxbyyyb"
res = re.findall(r'a.*b', s)
print(res)
# 输出：['a123bxxxbyyyb']
# 解释：从a开始，一直抓到整个字符串最后一个b

⑤ .*? 非贪婪模式

含义：非贪婪 = 能少拿就少拿，碰到第一个结束标记立刻停止

import re
s = "a123bxxxbyyyb"
res = re.findall(r'a.*?b', s)
print(res)
# 输出：['a123b']
# 解释：从a开始，遇到第一个b直接结束匹配

⑥ (.*?) 非贪婪 + 分组捕获

含义：() 是分组，括号外面的内容只用来定位，只提取括号内部匹配到的内容

爬虫提取内容最常用！

import re
s = "a123bxxxbyyyb"
res = re.findall(r'a(.*?)b', s)
print(res)
# 输出：['123']
# 解释：定位开头a、结尾b，只取出中间部分

---

3. 贪婪 .* 和非贪婪 .*? 对比（重点）

import re
html = "<div>苹果</div><div>香蕉</div>"

# 贪婪 .*
res_greed = re.findall(r"<div>.*</div>", html)
print("贪婪匹配结果：", res_greed)
# 输出：['<div>苹果</div><div>香蕉</div>']
# 坑：直接抓到最后一个</div>，一次性全部吞掉

# 非贪婪 .*?
res_not_greed = re.findall(r"<div>.*?</div>", html)
print("非贪婪匹配结果：", res_not_greed)
# 输出：['<div>苹果</div>', '<div>香蕉</div>']

---

4. 爬虫实战：只提取标签内文字（(.*?) 经典用法）

我们不想要标签本身，只想要标签中间文本，就把.*?放进括号：

import re
html = "<div>苹果</div><div>香蕉</div>"
res = re.findall(r"<div>(.*?)</div>", html)
print("提取到内容：", res)
# 输出：['苹果', '香蕉']

---

5. 汇总对比表

表格

符号	类型	作用说明
.	元字符	匹配任意单个字符（换行\n除外）
*	量词	前面字符：0 次或多次
?	量词	前面字符：0 次或 1 次
.*	贪婪匹配	尽可能多匹配，直到最后一个结束符
.*?	非贪婪匹配	尽可能少匹配，碰到第一个结束符就停
(.*?)	分组 + 非贪婪	只捕获括号里面内容，爬虫提取文本首选

---

6. 新手高频踩坑点

✅ 坑 1：. 默认不能匹配换行 如果文本有换行，.*? 会匹配失败，需要加上 re.S 参数

# 写法示例
re.findall(r'a(.*?)b', text, re.S)

✅ 坑 2：分不清贪婪和非贪婪，爬虫一次性抓超长一大段 只要你需要多次提取，优先用 (.*?)，不要直接写 (.*)

✅ 坑 3：? 两个身份

• 跟在字符后面：量词（0 或 1 次），如 x?
• 跟在 * / + 后面：开启非贪婪，如 .*?

✅ 坑 4：特殊字符要转义 如果你的分隔符是 . * + ? () 这些正则符号，需要加反斜杠 \

---

7. 总结

1. 爬虫提取文本，(.*?) 是最高频写法；
2. .* 贪婪模式适合一次性抓取从起点到末尾的整段内容；
3. 记住：问号跟在星号后面 = 关闭贪婪，变成尽可能少拿；
4. 遇到多行文本，记得带上 re.S。

配套笔记来自日常爬虫学习记录，适合正则入门，后续会更新正则其他元字符、预定义字符集。