有人可以解释一下这个正则表达式的贪婪吗

Question

我有一些文本，其中每一行文本都有一些好词和一些坏（不需要的）词。所以模式可能看起来像这样

good1-good2 good3 bad1-good4-bad2 some more good words
good1-good2 good3 bad1 bad2 
good1-good2 good3 bad1 bad2 bad3

现在我需要拒绝一行中的所有内容，包括第一个坏词 所以

good1-good2 good3 bad1-good4-bad2 some more good words 应该变成good1-good2 good3

good1-good2 good3 bad1 bad2 应该变成good1-good2 good3

good1-good2 good3 bad1 bad2 bad3 应该变成good1-good2 good3

我正在使用 python，所以这就是我所做的

p=re.compile('([\w \d-]+) (bad1|bad2|bad3).+',re.I)
m=p.search('good1-good2 good3 bad1-good4-bad2 ')
m.group(1)

这给了good1-good2 good3 这是我想要的，但是

m=p.search('good1-good2 good3 bad1 bad2 ')
m.group(1)

返回good1-good2 good3 bad1 我认为因为+ 是贪婪的，所以([\w \d-]+) 中的+ 继续匹配字符直到行尾，然后它回溯以找到最后一个坏词，在这种情况下是bad2 但是当我这样做

p=re.compile('([\w \d-]+) (bad1|bad2|bad3).+',re.I)
m=p.search('good1-good2 good3 bad1 bad2 bad3')
m.group(1)

它再次返回good1-good2 good3 bad1。 你能解释一下吗？因为我在正则表达式中对greediness 的理解可能有问题？虽然我已经想办法解决这个问题 通过使用像 ([\w \d-]+?) (bad1|bad2|bad3).+ 这样的正则表达式，但我仍然不明白为什么使用 ([\w \d-]+) (bad1|bad2|bad3).+ 总是返回第一个坏词（在这种情况下是 bad1）？

感谢您的时间。

编辑： 但是假设我有一个只有好词没有坏词的模式 good1-good2 good3--only good words 那么正则表达式应该是什么？ 我试过这个正则表达式([\w \d-]+?) ?(bad1|bad2|bad3)?.*，但这会返回模式的第一个字母。

Answer 1

关于这个案例：

m=p.search('good1-good2 good3 bad1 bad2 ')

你是对的。 ([\w \d-]+) 是贪婪的，所以它会尽可能多地“吃掉”并回溯。

然而，关于这种情况：

m=p.search('good1-good2 good3 bad1 bad2 bad3')

您可能没有看到的是，您的.+ 必须匹配在坏词之后至少一个字符。这就是为什么正则表达式不能将bad3 匹配为坏词：如果匹配，它将用完字符，.+ 无法匹配任何内容。因此，它再次回溯到bad2。将您的 .+ 更改为 .* 以查看差异。只是因为您在第一种情况下碰巧有一个额外的空间，即bad2 ，那里的事情“按预期工作”。

换句话说，一些不幸的巧合让你感到困惑；但你对贪婪的理解是正确的。

编辑

对于问题的已编辑部分，由以下 cmets 的@lovesh 撰写：

([\w \d-]+?) ?(bad1|bad2|bad3|$)