Trong thư viện xử lý chuỗi re của Python, việc hiểu rõ hành vi của các bộ định lượng (quantifiers) là yếu tố then chốt để viết biểu thức chính quy hiệu quả. Đặc biệt, sự khác biệt giữa chiến lược khớp tham lam (greedy) và khớp lười (non-greedy hoặc lazy) thường gây nhầm lẫn cho người mới bắt đầu khi sử dụng hàm match().

Khái niệm cơ bản: Các ký tự đặc biệt như dấu chấm . đại diện cho bất kỳ ký tự đơn nào (ngoại trừ ký tự xuống dòng). Khi kết hợp với dấu sao * thành .*, nó trở thành một bộ khớp tham lam. Nó sẽ cố gắng tiêu thụ càng nhiều ký tự càng tốt miễn là mẫu regex tổng thể vẫn hợp lệ. Ngược lại, khi thêm dấu hỏi ? ngay sau nó (.*?), tính chất thay đổi thành không tham lam. Ở chế độ này, động cơ regex sẽ cố gắng khớp số lượng ký tự nhỏ nhất có thể để thỏa mãn điều kiện.

Hai phương thức thường dùng để inspect kết quả là span() và group():

• span(): Trả về một tuple chứa vị trí bắt đầu và kết thúc (độ dài) của chuỗi con được khớp.
• group(n): Trả về nội dung của cặp dấu ngoặc đơn thứ n. Ví dụ, group(1) lấy nội dung của cặp ngoặc đầu tiên từ trái sang phải.

Để làm rõ sự khác biệt, hãy xem xét ví dụ minh họa dưới đây với một ngữ cảnh khác so với bản gốc:

import re

# Giả lập một chuỗi dữ liệu log chứa đường dẫn và ID
data_log = "system/request/path/session_id_98765"

# Trường hợp 1: Sử dụng (.*?) - Khớp lười ở cuối chuỗi
# Dấu ngoặc đơn đặt để bắt nhóm
match_lazy = re.match(r"system/request/path/session_id_(.*?)", data_log)

# Trường hợp 2: Sử dụng (.*) - Khớp tham lam ở cuối chuỗi
match_greedy = re.match(r"system/request/path/session_id_(.*)", data_log)

# Hiển thị kết quả
print("Kết quả khớp lười (Lazy):")
print(f"  - Chuỗi khớp: '{match_lazy.group(1)}'")
print(f"  - Vị trí: {match_lazy.span()}")

print("\nKết quả khớp tham lam (Greedy):")
print(f"  - Chuỗi khớp: '{match_greedy.group(1)}'")
print(f"  - Vị trí: {match_greedy.span()}")

Kết quả đầu ra của đoạn mã trên sẽ như sau:

Kết quả khớp lười (Lazy):
  - Chuỗi khớp: ''
  - Vị trí: (0, 31)

Kết quả khớp tham lam (Greedy):
  - Chuỗi khớp: '98765'
  - Vị trí: (0, 37)

Giải thích: Trong match_lazy, mẫu (.*?) đặt ở cuối biểu thức. Do không còn bất kỳ mẫu regex nào bắt buộc phải xuất hiện sau nó, chế độ khớp lười quyết định dừng lại ngay lập tức với kết quả là một chuỗi rỗng ("") để đảm bảo số lượng ký tự khớp là nhỏ nhất. Trong khi đó, match_greedy sử dụng (.*) và sẽ tiêu thụ toàn bộ các ký tự còn lại của chuỗi (ở đây là "98765") vì mục tiêu của nó là chiếm đoạt tối đa.

Ngoài ra, các ký tự đặc biệt phổ biến khác trong regex bao gồm:

• ^: Đánh dấu bắt đầu chuỗi.
• $: Đánh dấu kết thúc chuỗi.
• \s: Khớp ký tự khoảng trắng (space, tab).
• \d: Khớp bất kỳ chữ số nào (0-9).
• \w: Khớp ký tự chữ cái, số hoặc dấu gạch dưới.