Python 3.x Python re.findall只返回第一个匹配项

我有点被这个问题困扰，在这里没有发现类似的问题

我想获得字符串中所有标记元素的列表，例如

'
pat=r''
标签=关于findall（帕特，s）
打印（标签）

结果，我得到了

['p']

。如果我将

\w+

更改为

[a-d]+

，我只会得到

['a']

我希望结果是

['p'，'a'，'a'，'p']

或者至少是所有不同的标记值

我做错了什么？谢谢大家!

---

首先，使用Python3.x，您需要使模式匹配非贪婪（将

*

切换到

*？

）。您可以在Python中给出的示例中了解更多信息（他们甚至使用HTML标记作为示例！）

其次，

/？

部分应该在开头，而不是在标记名

\w+

之后

另外，第二个

\s*

是多余的，因为

*

也将捕获空白

import re

s = '<p><a href="http://www.quackit.com/html/tutorial/html_links.cfm">Example Link</a></p>'
pat = r'</?\s*(\w+).*?>'
tags = re.findall(pat, s)
print(tags)

对于更一般的解决方案，考虑使用或替代：

这种方法可以在任意HTML中工作（因为在最小化假设时正则表达式可能会变得混乱）。注意，对于开始标记，

handle_starttag

中的

attrs

参数也可用于检索标记的属性（如果需要）。

使用or（|）运算符并写下由运算符分隔的两个模式，应该可以使用

参照此,，

---

谢谢，这很有效！字符串只是一个示例，如果标记字符是自动关闭标记，那么它们后面也可以有“/”。一个问题：为什么会这样我认为。*匹配任何字符的0或更多。我真的不明白这是怎么回事？很好，我还更新了我的答案，加入了一个使用Python模块的替代方案，这是一个比使用正则表达式更通用、更可靠的解决方案。@matt444它的正则表达式语法使

*

不贪婪。您可以在Python文档中阅读更多关于这方面的内容——它们甚至使用HTML标记作为示例。

import re

s = '<p><a href="http://www.quackit.com/html/tutorial/html_links.cfm">Example Link</a></p>'
pat = r'</?\s*(\w+).*?>'
tags = re.findall(pat, s)
print(tags)

['p', 'a', 'a', 'p']

from html.parser import HTMLParser

class HTMLTagParser(HTMLParser):

    def handle_starttag(self, tag, attrs):
        tags.append(tag)

    def handle_endtag(self, tag):
        tags.append(tag)

s = '<p><a href="http://www.quackit.com/html/tutorial/html_links.cfm">Example Link</a></p>'
tags = []
parser = HTMLTagParser()
parser.feed(s)
print(tags)

['p', 'a', 'a', 'p']