Controlando a ganância em expressões regulares no Python

As expressões regulares são, por padrão, gananciosas. Isso significa que elas capturam a quantidade máxima possível de caracteres. Vamos analisar um exemplo. Suponha que temos a seguinte string:

pythontxt = 'aeeex zzz x kkk'

Nesta string, queremos encontrar a substring 'aeeex' usando o seguinte padrão: letra 'a', seguida por qualquer caractere uma ou mais vezes, seguida pela letra 'x':

pythonres = re.sub('a.+x', '!', txt)
print(res)

Embora esperássemos obter a string '! zzz x kkk', será impressa a string '! kkk'. Tudo se deve ao fato de que nossa regex busca todos os caracteres da letra 'a' até a letra 'x'. Mas na nossa string existem duas letras 'x'! Devido à ganância, a regex busca até o último 'x', acabando por capturar não o que precisávamos.

Claro, muitas vezes esse comportamento é exatamente o que desejamos. Mas, neste caso específico, precisamos desativar a ganância e dizer à regex para buscar apenas até o primeiro 'x'. Para isso, devemos colocar um ponto de interrogação após o operador de repetição:

pythonres = re.sub('a.+?x', '!', txt)
print(res) # irá imprimir a string '! zzz x kkk'

pythontxt = 'aba accca azzza wwwwa'