Python、正则表达式和html：匹配第行的最终标记

我对python贪婪/不贪婪的字符感到困惑

给定多行html，返回每行的最终标记

我认为这是正确的：

re.findall('<.*?>$', html, re.MULTILINE)

re.findall（“$”，html，re.MULTILINE）

我很恼火，因为我期待一个单一标签的列表，如：

"</html>", "<ul>", "</td>".

，“
，”。

我的O'Reilly的袖珍参考称，

*？

将“匹配0次或更多次，但次数尽可能少。”

---

那么，为什么我会得到“greedier”匹配，即在某些（但不是所有）匹配中有多个标记？

您的问题源于这样一个事实，即您有一个结束线锚（“$”）。非贪婪匹配的工作方式是引擎首先搜索行上的第一个无约束模式（“”字符（您已使用$anchor将其约束在行的末尾）。因此，在这种情况下，非贪婪*与贪婪*没有任何区别

---

由于您无法从RE中删除“$”（您正在查找一行上的最终标记），因此您需要采取不同的策略…请参阅@Mark的答案。$”将起作用。

您的问题源于您有一个线端锚点（“$”）。非贪婪匹配的工作方式是引擎首先搜索行上的第一个无约束模式（“”字符（您已使用$anchor将其约束在行的末尾）。因此，在这种情况下，非贪婪*与贪婪*没有任何区别

---

由于您无法从RE中删除“$”（您正在查找一行中的最终标记），因此需要采用不同的策略…请参阅@Mark的答案。“$”将起作用。

您不应该使用正则表达式来解析HTML。您应该使用（x）html解析器，如BeautifulSoup或minidom。请参阅此问题的最热门答案：为了简洁起见，我没有提到我只是想更好地理解正则表达式。我没有意识到我无意中问了一个最常见的错误框架问题。你不应该使用正则表达式来解析html。你应该使用（x）html解析器，如BeautifulSoup或minidom。请看这个问题的投票结果：为了简洁起见，我没有提到我只是为了更好地理解正则表达式而胡闹。我没有意识到我无意中问了一个最常见的错误框架问题。