① python正則表達式的非貪婪匹配的原則是什麼
正則表達式匹配中，已經被捕獲的內容不會再次用於匹配測試。
第二個k已經被第一個匹配捕獲，然後就在45k67k中繼續做匹配測試。
② Python 正則表達式 非貪婪匹配問題
第二捕獲括弧裡面是 (0*) ——0個或多個0， 後面接著是$——行尾,
02300——不滿足多個0.
正則表達式改為：
^(\d+?)(0.*)$
結果就會是：
("1", "02300")
③ 關於python正則表達式的貪婪模式和懶惰模式
因為你後面加了.jpg，那麼它一直要匹配到末尾，所以結果是一樣的
舉個例子
字元串"abcd"
那麼"a.*"匹配的是"abcd"
"a.*?"匹配的是"a"
"a.*?d"匹配的是"abcd"
"a.*d"匹配的是"abcd"
④ python中如何使用正則表達式的非貪婪模式示例
importre
str='abcdxyzsd1232abc'
regex_greed='a.*d'#貪婪模式，a開頭找到最後的一個d才結束
match_greed=re.match(regex_greed,str)
printmatch_greed.group()#匹配結果：abcdxyzsd
regex_not_greed='a.*?d'#非貪婪模式，a開頭找到第一個d就結束
match_not_greed=re.match(regex_not_greed,str)
printmatch_not_greed.group()#匹配結果：abcd
⑤ 想請教python 正則表達式
這你就需要了解正則表達式的貪婪匹配和非貪婪匹配
在此例中
#.*是貪婪匹配模式，所謂貪婪匹配就是在整個表達式匹配成功的前提下，盡可能多的匹配，
#也就是所謂的「貪婪」，通俗點講，就是看到想要的，有多少就撿多少，除非再也沒有想要的了。
#.*?是非貪婪模式，所謂非貪婪模式就是在整個表達式匹配成功的前提下，盡可能少的匹配，
#也就是所謂的「非貪婪」，通俗點講，就是找到一個想要的撿起來就行了，
#至於還有沒有沒撿的就不管了
#舉個例子
#字元串"abcdccd"
#那麼"a.*"匹配的是"abcdccd",貪婪模式，從a開始的我都要了
#"a.*?"匹配的是"a"，非貪婪模式，滿足條件的情況下，我只要a就行了
#"a.*?d"匹配的是"abcd"，非貪婪模式，我只要從a開始最快到d的字元串就行了
#"a.*d"匹配的是"abcdccd"，貪婪模式，我只要從a開始，到最遠d的就可以了
不知道這樣講解時否明白
⑥ python 正則表達式 非貪婪匹配問題
tim@tim-1215B:~$ python
Python 2.7.2+ (default, Oct 4 2011, 20:06:09)
[GCC 4.6.1] on linux2
Type "help", "right", "credits" or "license" for more information.
>>> import re
>>> data = 'Thu Feb 15 17:46:04 2007::[email protected]:: 2341123-6-8'
>>> patt = re.compile(r'.+(\d+-\d-\d)', re.X)
>>> print patt.match(data).group(1)
3-6-8
>>> patt = re.compile(r'.+?(\d+-\d-\d)', re.X)
>>> print patt.match(data).group(1)
2341123-6-8
>>>
⑦ Python貪心演算法
所謂貪心演算法是指在對問題求解時，總是做出在當前看來是最好的選擇。也就是說，不從整體最優加以考慮，它所做出的僅僅是在某種意義上的局部最優解。下面讓我們來看一個經典的例題。假設超市的收銀櫃中有1分、2分、5分、1角、2角、5角、1元的硬幣。
顧客結賬如果需要找零錢時，收銀員希望將最少的硬幣數找出給顧客，那麼，給定需要找的零錢數目，如何求得最少的硬幣數呢？這個找零錢的基本思路：每次都選擇面值不超過需要找給顧客的錢最大面值的硬幣。
我們可以從面值最大的硬幣開始，然後依次遞減（圖1）。
首先定義列表d存儲已有幣值。並且定義d_num存儲每種幣值的數量。通過循環遍歷的方法計算出收銀員擁有錢的總金額並保存在變數S中，要找的零錢變數為sum。當找零的金_比收銀員的總金額多時，無法進行找零，提示報錯。要想用的錢幣數量最少，我們從面值最大的幣值開始遍歷。這里也就是我們貪心演算法的核心步驟。計算出每種硬幣所需要的數量，不斷地更新硬幣個數與硬幣面值，最終獲得一個符合要求的組合（圖2）。
貪心演算法在對問題求解時，不是對所有問題都能得到整體最優解，也不是從整體上去考慮，做出的只是在某種意義上的局部最優解。從面值最大的硬幣開始依次遞減，尋找可用的方法。一般貪心演算法並不能保證是最佳的解決方法，這是因為：總是從局部出發沒有從整體考慮，只能確定某些問題是有解的，優點是演算法簡單。常用來解決求最大值或最小值的問題。來源：電腦報
⑧ python裡面什麼是貪婪
題主你好,
你說的應該是python中正則表達式里的貪婪匹配, 存在這種叫法是因為加號,問號,星號等符號它們通常表示的並不是字面意思.
拿加號來說, +號在正則里表示匹配它前面那個字元一次或多次:
-----例子-----
a+ 即可以匹配aa, 也可以匹配aaaaa...無數個a //從這個例子理解一下+號可以匹配前面字元一次或多次
-----
正是因為有像加號這樣的可以用來動態匹配的字元存在於正則中, 才引出了貪婪匹配和非貪婪匹配的概念.
所以最終在面對一道題目時,如給你一個正則a+,然後再給你一個字元串aaaa,讓你找出正則a+的貪婪匹配和非貪婪匹配結果分別是多少時, 根據+號的定義找到它的兩個極限, 1到盡可能多, 所以在本例中非貪婪匹配+號匹配的就是1個a, 而貪婪匹配+號匹配的就是3個a.
=====
寫在最後: 上面只是用+號來引出貪婪匹配與非貪婪匹配, 可能你現在去用我上面說的a+去匹配aaaa這個例子去看是理解了, 但正則這個東西有的時候確實需要題主多練幾道題, 然後去思考一下.我在學的時候也是, 某些情況怎麼也轉不過來彎. 自己根據實際結果使用相應的概念去套一下看看能不能理解, 如果實在不能理解就去網上找相關的話題, 不同的人描述時舉的例子以及思路不同, 可能某個人說的就對你路了.
希望可以幫到題主, 歡迎追問.
⑨ python中的數據結構分析
1.Python數據結構篇
數據結構篇主要是閱讀[Problem Solving with Python](Welcome to Problem Solving with Algorithms and Data Structures) [該網址鏈接可能會比較慢]時寫下的閱讀記錄，當然，也結合了部分[演算法導論](Introction to Algorithms)
中的內容，此外還有不少wikipedia上的內容，所以內容比較多，可能有點雜亂。這部分主要是介紹了如何使用Python實現常用的一些數據結構，例
如堆棧、隊列、二叉樹等等，也有Python內置的數據結構性能的分析，同時還包括了搜索和排序(在演算法設計篇中會有更加詳細的介紹)的簡單總結。每篇文
章都有實現代碼，內容比較多，簡單演算法一般是大致介紹下思想及演算法流程，復雜的演算法會給出各種圖示和代碼實現詳細介紹。
**這一部分是下
面演算法設計篇的前篇，如果數據結構還不錯的可以直接看演算法設計篇，遇到問題可以回來看數據結構篇中的某個具體內容充電一下，我個人認為直接讀演算法設計篇比
較好，因為大家時間也都比較寶貴，如果你會來讀這些文章說明你肯定有一定基礎了，後面的演算法設計篇中更多的是思想，這里更多的是代碼而已，嘿嘿。**
(1)[搜索](Python Data Structures)
簡述順序查找和二分查找，詳述Hash查找(hash函數的設計以及如何避免沖突)
(2)[排序](Python Data Structures)
簡述各種排序演算法的思想以及它的圖示和實現
(3)[數據結構](Python Data Structures)
簡述Python內置數據結構的性能分析和實現常用的數據結構：棧、隊列和二叉堆
(4)[樹總結](Python Data Structures)
簡述二叉樹，詳述二叉搜索樹和AVL樹的思想和實現
2.Python演算法設計篇
演算法設計篇主要是閱讀[Python Algorithms: Mastering Basic Algorithms in the Python Language](Python Algorithms: Mastering Basic Algorithms in the Python Language)[**點擊鏈接可進入Springer免費下載原書電子版**]之後寫下的讀書總結，原書大部分內容結合了經典書籍[演算法導論](Introction to Algorithms)，
內容更加細致深入，主要是介紹了各種常用的演算法設計思想，以及如何使用Python高效巧妙地實現這些演算法，這里有別於前面的數據結構篇，部分演算法例如排
序就不會詳細介紹它的實現細節，而是側重於它內在的演算法思想。這部分使用了一些與數據結構有關的第三方模塊，因為這篇的重點是演算法的思想以及實現，所以並
沒有去重新實現每個數據結構，但是在介紹演算法的同時會分析Python內置數據結構以及第三方數據結構模塊的優缺點，也就意味著該篇比前面都要難不少，但
是我想我的介紹應該還算簡單明了，因為我用的都是比較朴實的語言，並沒有像演算法導論一樣列出一堆性質和定理，主要是對著某個問題一步步思考然後演算法就出來
了，嘿嘿，除此之外，裡面還有很多關於python開發的內容，精彩真的不容錯過！
這里每篇文章都有實現代碼，但是代碼我一般都不會分
析，更多地是分析演算法思想，所以內容都比較多，即便如此也沒有包括原書對應章節的所有內容，因為內容實在太豐富了，所以我只是選擇經典的演算法實例來介紹算
法核心思想，除此之外，還有不少內容是原書沒有的，部分是來自演算法導論，部分是來自我自己的感悟，嘻嘻。該篇對於大神們來說是小菜，請一笑而過，對於菜鳥
們來說可能有點難啃，所以最適合的是和我水平差不多的，對各個演算法都有所了解但是理解還不算深刻的半桶水的程序猿，嘿嘿。
本篇的順序按照原書[Python Algorithms: Mastering Basic Algorithms in the Python Language](Python Algorithms: Mastering Basic Algorithms in the Python Language)的章節來安排的(章節標題部分相同部分不同喲)，為了節省時間以及保持原著的原滋原味，部分內容(一般是比較難以翻譯和理解的內容)直接摘自原著英文內容。
**1.
你也許覺得很多內容你都知道嘛，沒有看的必要，其實如果是我的話我也會這么想，但是如果只是歸納一個演算法有哪些步驟，那這個總結也就沒有意義了，我覺得這
個總結的亮點在於想辦法說清楚一個演算法是怎麼想出來的，有哪些需要注意的，如何進行優化的等等，採用問答式的方式讓讀者和我一起來想出某個問題的解，每篇
文章之後都還有一兩道小題練手喲**
**2.你也許還會說演算法導論不是既權威又全面么，基本上每個演算法都還有詳細的證明呢，讀演算法導論豈
不更好些，當然，你如果想讀演算法導論的話我不攔著你，讀完了感覺自己整個人都不好了別怪小弟沒有提醒你喲，嘻嘻嘻，左一個性質右一個定理實在不適合演算法科
普的啦，沒有多少人能夠堅持讀完的。但是碼農與蛇的故事內容不多喲，呵呵呵**
**3.如果你細讀本系列的話我保證你會有不少收獲的，需要看演算法導論哪個部分的地方我會給出提示的，嘿嘿。溫馨提示，前面三節內容都是介紹基礎知識，所以精彩內容從第4節開始喲，么么噠 O(∩_∩)O~**
(1)[Python Algorithms - C1 Introction](Python Algorithms)
本節主要是對原書中的內容做些簡單介紹，說明演算法的重要性以及各章節的內容概要。
(2)[Python Algorithms - C2 The basics](Python Algorithms)
**本節主要介紹了三個內容：演算法漸近運行時間的表示方法、六條演算法性能評估的經驗以及Python中樹和圖的實現方式。**
(3)[Python Algorithms - C3 Counting 101](Python Algorithms)
原書主要介紹了一些基礎數學，例如排列組合以及遞歸循環等，但是本節只重點介紹計算演算法的運行時間的三種方法
(4)[Python Algorithms - C4 Inction and Recursion and Rection](Python Algorithms)
**本節主要介紹演算法設計的三個核心知識：Inction(推導)、Recursion(遞歸)和Rection(規約)，這是原書的重點和難點部分**
(5)[Python Algorithms - C5 Traversal](Python Algorithms)
**本節主要介紹圖的遍歷演算法BFS和DFS，以及對拓撲排序的另一種解法和尋找圖的(強)連通分量的演算法**
(6)[Python Algorithms - C6 Divide and Combine and Conquer](Python Algorithms)
**本節主要介紹分治法策略，提到了樹形問題的平衡性以及基於分治策略的排序演算法**
(7)[Python Algorithms - C7 Greedy](Python Algorithms)
**本節主要通過幾個例子來介紹貪心策略，主要包括背包問題、哈夫曼編碼和最小生成樹等等**
(8)[Python Algorithms - C8 Dynamic Programming](Python Algorithms)
**本節主要結合一些經典的動規問題介紹動態規劃的備忘錄法和迭代法這兩種實現方式，並對這兩種方式進行對比**
(9)[Python Algorithms - C9 Graphs](Python Algorithms)
**本節主要介紹圖演算法中的各種最短路徑演算法，從不同的角度揭示它們的內核以及它們的異同**
⑩ python 演算法有哪些比賽
演算法是指解題方案的准確而完整的描述，是一系列解決問題的清晰指令，演算法代表著用系統的方法描述解決問題的策略機制。簡單來講，能夠對一定規范的輸入，在有限時間內獲得所要求的輸出。如果一個演算法有缺陷，或不適合於某個問題，執行這個演算法將不會解決這個問題。不同的演算法可能用不同的時間、空間或效率來完成同樣的任務。一個演算法的優劣可以用空間復雜度與時間復雜度來衡量。包括這幾類：
1.
選擇排序演算法：選擇排序是一種簡單直觀的排序演算法。原理：首先在未排序序列中找到最小或最大元素，存放到排序序列的起始位置;然後，再從剩餘未排序元素中繼續尋找最大最小元素，然後放到已排序序列的後面，以此類推直到所有元素均排序完畢。
2.
快速排序演算法：快速排序的運行速度快於選擇排序。原理：設要排序的數組為N，首先任意選取一個數據作為關鍵數據，然後將所有比它小的數放到它前面，所有比它大的數都放到它後面，這個過程稱之為快速排序。
3. 二分查找演算法：二分查找的輸入是一個有序的列表，如果要查找的元素包含在一個有序列表中，二分查找可以返回其位置。
4.
廣度優先搜索演算法：屬於一種圖演算法，圖由節點和邊組成。一個節點可以與多個節點連接，這些節點稱為鄰居。它可以解決兩類問題：第一類是從節點A出發，在沒有前往節點B的路徑;第二類問題是從節點A出發，前往B節點的哪條路徑最短。使用廣度優先搜索演算法的前提是圖的邊沒有權值，即該演算法只用於非加權圖中，如果圖的邊有權值的話就應該使用狄克斯特拉演算法來查找最短路徑。
5.
貪婪演算法：又叫做貪心演算法，對於沒有快速演算法的問題，就只能選擇近似演算法，貪婪演算法尋找局部最優解，並企圖以這種方式獲得全局最優解，它易於實現、運行速度快，是一種不錯的近似演算法。