Python 正則表達式完全指南：貪婪 (Greedy) vs 非貪婪 (Lazy) ; .* vs .*?

在資料處理、網頁爬蟲或 LLM 輸出解析中，
我們常看到 .*? 這樣的寫法。
這篇筆記將透過實際程式碼，帶您徹底搞懂它的原理。

0. 環境準備與範例資料

首先，我們準備一段模擬 HTML 的字串。
我們的目標是提取每個 <div> 標籤中的內容。

import re

# 範例字串：模擬一段 HTML 代碼
# 目標：我們想分別提取 '你好' 和 '世界'
text = "<div>你好</div><div>世界</div>"

print(f"原始文本: {text}")

1. 貪婪匹配 (Greedy Match): `.*`

符號意義

. : 匹配任意字元 (換行除外)
* : 匹配 0 到無限多次

行為特性

「盡可能吃到越多越好」。它會從第一個開始的標籤，一路吃到最後一個結束標籤才肯停下來。

# 貪婪模式：直接用 .*
# 行為：它會從第一個 <div> 吃到「最後一個」 </div>
pattern_greedy = r"<div>(.*)</div>"

match = re.findall(pattern_greedy, text)

print("貪婪匹配結果:", match)
# 預期結果: ['你好</div><div>世界'] 
# 失敗原因: 它把中間的 </div> 也當作內容吞掉了

2. 非貪婪/懶惰匹配 (Lazy Match): `.*?`

符號意義

? : 當它跟在 * 後面時，意思是「一旦滿足條件就停止」。

行為特性

「夠用就好」。它會尋找最近的一個結束標籤，滿足條件後就停止，然後繼續找下一個。

# 懶惰模式：加上 ? 變成 .*?
# 行為：遇到「第一個」 </div> 就停止，然後繼續找下一個
pattern_lazy = r"<div>(.*?)</div>"

match = re.findall(pattern_lazy, text)

print("懶惰匹配結果:", match)
# 預期結果: ['你好', '世界'] 
# 成功原因: 每次遇到 </div> 就結案，不貪心

3. 總結比較表

寫法	名稱	行為描述	記憶口訣
`.*`	貪婪匹配 (Greedy)	吃到撐死為止 (吃到最後一個結束符號)	能吃多少吃多少
`.*?`	非貪婪匹配 (Lazy)	只要吃飽就停 (遇到第一個結束符號就停)	夠用就好

4. 實戰應用：提取 LLM 回覆中的 JSON

在處理 AI (如 ChatGPT, Ollama) 的回應時，它們常會包含一些對話文字。我們可以使用 .*? 搭配 re.DOTALL (讓 . 也能匹配換行) 來精準提取程式碼區塊。

# 模擬一個 LLM 的混合輸出，包含廢話和 JSON
llm_output = """
Here is the result you asked for:

```json
{
    "id": 1,
    "name": "GPT",
    "role": "Assistant"
}
```

I hope this helps! Let me know if you need anything else.
"""

# 使用 .*? 鎖定 ```json 和 ``` 之間的內容
# flags=re.DOTALL 重要！讓 . 可以匹配換行符號
#
# 解析正則表達式 r"```json\s*(.*?)\s*```":
# 1. ```json  : 匹配字面上的 "```json" 字串，這是 Markdown 代碼區塊的開頭。
# 2. \s*      : 匹配 0 到多個空白字元 (包含換行 \n)，目的是吃掉 "```json" 後面跟著的任何換行。
# 3. (.*?)    : 非貪婪捕獲組。這就是我們要的內容！它會一直匹配任意字元，直到遇到下面的結束標記。
# 4. \s*      : 匹配 0 到多個空白字元，目的是吃掉內容結尾處可能多餘的換行或空白。
# 5. ```      : 匹配字面上的 "```"，這是 Markdown 代碼區塊的結尾。
json_pattern = r"```json\s*(.*?)\s*```"

json_match = re.findall(json_pattern, llm_output, flags=re.DOTALL)

print("提取到的 JSON 內容:")
for m in json_match:
    print(m)
    
# 進階：直接轉成 Python Dict
import json
if json_match:
    data = json.loads(json_match[0])
    print(f"\n解析成功! Name: {data['name']}")

記憶口訣：問號 (?) 的本質是「猶豫」與「客氣」
我們可以把 ? 想像成一個很客氣、不確定、猶豫的人。

當 ? 獨自出現時 (量詞模式)：0 或 1 次
情境：colou?r
心態：它在猶豫「這裡到底有沒有 ‘u’ 呢？」。
“有沒有都可以啦，沒有也行 (0)，有也就這一個 (1)。”
口訣：「可有可無」。
當 ? 跟在 * 或 + 後面時 (懶惰模式)：非貪婪
情境：.? 心態：它在吃東西 (匹配字串) 時很客氣、很猶豫。貪婪 (.) 像個餓死鬼：「我要把所有能吃的都吃光！」
懶惰 (.*?) 則是很客氣：「呃… 我是不是該停了？這裡就可以停了嗎？好，那我就停這裡吧。」
它只要一看到能讓條件成立的機會，就會「猶豫」著要不要繼續吃，最後選擇最少的量就停手。
口訣：「見好就收」。
圖像化記憶法