当掌握了正则的基础语法后，仍会遇到一些复杂的文本处理需求，比如：如何避免贪婪匹配“吃掉”过多内容？如何只匹配前后有特定条件的字符串？如何提高模式的可读性？这些问题就需要用到正则表达式的高级特性。
一、懒惰匹配（非贪婪匹配）
默认情况下，*、+、{n,m} 等量词是贪婪的，会尽可能多地匹配。
在量词后加 ?，则变为懒惰匹配，尽可能少地匹配。
示例：提取 HTML 段落
import re
# 贪婪匹配：text = "<p>段落1</p><p>段落2</p>"print(re.findall(r'<p>.*</p>', text))# ['<p>段落1</p><p>段落2</p>']
# 懒惰匹配：print(re.findall(r'<p>.*?</p>', text))# ['<p>段落1</p>', '<p>段落2</p>']解读：
.* 会把第一个 <p> 和最后一个 </p> 之间的所有内容都“吃掉”。
.*? 则在遇到第一个 </p> 时就停止匹配，从而得到两个 <p> 段落。
注意：懒惰匹配并不是“永远最少”，而是在保证整个模式能成功的前提下尽可能少。
应用场景：
提取 HTML/XML 标签、定界符包裹的内容（如引号字符串）。
二、零宽断言（Lookaround）
断言不会消耗字符，而是检查某个位置的前后是否满足条件。
正向肯定断言 (?=...)：要求右侧必须满足模式。
正向否定断言 (?!...)：要求右侧不满足模式。
反向肯定断言 (?<=...)：要求左侧必须满足模式（必须定长）。
反向否定断言 (?<!...)：要求左侧不满足模式（必须定长）。
示例 A：提取成绩为 100 分的名字（正向断言）
import re
text = "张三：90分，李四：80分，王五：100分"print(re.findall(r'\w+(?=：100分)', text))# ['王五']解读：\w+ 匹配人名，(?=：100分) 要求其右边紧跟“：100分”。
示例 B：提取成绩不是 100 分的名字（否定断言）
import re
text = "张三：90分，李四：80分，王五：100分"print(re.findall(r'\w+(?=：(?!100分))', text))# ['张三', '李四']解读：名字后面必须是冒号，但 (?!100分) 确保后面不是“100分”。
示例 C：提取 163 邮箱的用户名（反向断言）
import re
emails = "a@163.com b@qq.com c@163.com"print(re.findall(r'(?<=\b)\w+(?=@163\.com)', emails))# ['a', 'c']解读：\w+ 匹配用户名，(?<=\b) 要求在单词边界开始，(?=@163\.com) 要求其右边是 @163.com。
提示：
Python 中的反向断言 (?<=...) 必须是定长，否则会报错。
应用场景：
表单校验、复杂提取（如只要“某条件前/后的值”）。
三、命名分组（Named Groups）
(abc) 是普通分组，通过 \1、\2 引用。
(?P<name>abc) 是命名分组，可以通过组名调用，提高可读性。
示例：解析日期字符串
import re
text = "2025-09-01"m = re.match(r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})', text)print(m.group('year'), m.group('month'), m.group('day'))# 2025 09 01解读：
(?P<year>\d{4}) 匹配年份并命名为 year。
.group('year') 可以直接取值，不需要记住分组编号。
扩展：
还可以用 .groupdict() 一次性取出所有命名分组：
print(m.groupdict()) # {'year': '2025', 'month': '09', 'day': '01'}应用场景：
当正则模式很复杂时，命名分组可以让代码更清晰、更易维护。
四、嵌套分组与反向引用
通过分组嵌套与反向引用，可以匹配成对出现的结构（如 HTML/XML 标签）。
示例：提取成对标签及其内容
import re
html = "<b>粗体</b><i>斜体</i>"tags = re.findall(r'<(\w+)>(.*?)</\1>', html)print(tags)# [('b', '粗体'), ('i', '斜体')]解读：
(\w+) 捕获标签名（如 b、i）。
(.*?) 懒惰匹配中间的内容。
</\1> 要求结束标签与第一个分组相同，从而保证结构正确。
注意：
正则解析 HTML 只适合简单场景。复杂 HTML 建议使用 BeautifulSoup、lxml 等解析库。
正则无法处理嵌套层数不确定的情况（如递归结构）。
应用场景：
HTML/XML 文本解析、匹配成对的引号、括号等。
📘 小结
本文介绍了正则表达式的四个高级技巧：
懒惰匹配：避免贪婪匹配过度，适合定界内容提取。
零宽断言：在不消耗字符的情况下增加前后条件，适合复杂筛选。
命名分组：提高可读性，便于调用和维护。
嵌套分组与反向引用：保证成对结构完整性，但不适合复杂嵌套。
这些技巧让正则表达式不仅能“找到字符串”，还能“精确地找到正确的字符串”。
“点赞有美意，赞赏是鼓励”