Python &引用&引用；及+&引用；工作不正常

我有一根绳子，在哪里

text='<tr align="right"><td>12</td><td>John</td> 

打印m

但是当我使用时，我得到了（'2'，'John'）

m=re.findall(r'align.{13}(\d+).*([A-Z]\w+).*([A-Z]\w+)', text)

m=re.findall(r'align.+(\d+).*([A-Z]\w+).*([A-Z]\w+)', text)
print m

为什么会出问题？我是说为什么{13}很好用，但是.+在我的re中不起作用？

---

谢谢大家!

使用

+

时，它将匹配尽可能多的字符。由于

\d+

只需匹配至少一个数字，

+

将匹配

“=”right“>1”

，而只保留要由

\d+

匹配的“2”

您的原始示例适用于示例数据。如果需要编写一个适用于其他数据的正则表达式，则需要解释该数据的格式以及如何决定提取哪些部分

---

此外，考虑到您似乎正在解析HTML，您可能最好使用类似BeautifulSoup的东西，而不是正则表达式。

您确实应该为此使用合适的HTML解析器库，即：

>>> a = '<tr align="right"><td>12</td><td>John</td>'
>>> p = lxml.html.fromstring(a)
>>> p.text_content()
'12John'
>>> p.xpath('//td/text()')
['12', 'John']

>a='12John'
>>>p=lxml.html.fromstring（a）
>>>p.文本内容（）
“约翰”
>>>p.xpath（“//td/text（）”）
['12'，'John']

---

显然，您需要更好地处理多次出现的情况…

我不能用您提供的示例文本和regexp来测试这一点，因为在编写时，它们显然应该找不到匹配项，事实上，在2.7和3.3中都找不到匹配项

但是我猜您想要一个非贪婪匹配，将

+

更改为

+？

将解决您的任何问题

正如Jon Clements在他的回答中指出的那样，这里不应该使用正则表达式。Regexps实际上无法解析像XML这样的非正则语言。当然，不管纯粹主义者怎么说，regexps在快速和肮脏的情况下仍然是非正规语言的有用黑客。但是一旦你遇到了一些不起作用的事情，你首先应该考虑的是，这可能不是一个快速而肮脏的案例，你应该寻找一个真正的解析器。即使您以前从未使用过

ElementTree

API或XPath，它们也非常容易学习，而且所花费的学习时间绝对不会浪费，因为它在将来会派上很多用场

但无论如何，让我们将您的示例简化为您所描述的工作方式，然后看看它的作用：

>>> text='<tr align="right"><td>12</td><td>John</td> 
SyntaxError: EOL while scanning string literal
>>> text='<tr align="right"><td>12</td><td>John</td>'
>>> re.findall(r'align.{13}(\d+).*([A-Z]\w+).*([A-Z]\w+)', text)
[]
>>> re.findall(r'align.{13}(\d+).*([A-Z]\w+)', text)
[('12', 'John')]
>>> re.findall(r'align.+(\d+).*([A-Z]\w+).*([A-Z]\w+)', text)
[]
>>> re.findall(r'align.+(\d+).*([A-Z]\w+)', text)
[('2', 'John')]

---

Tada.

Um…这两个正则表达式都不会返回与测试字符串匹配的结果。您可以发布您的实际代码和示例数据吗？编辑后，文本现在将引发一个

SyntaxError

，因为它缺少结束引号，但如果我修复了这一点，那么该文本中的任何一个regexp都不匹配。他的原始示例如何工作？

findall

返回带有两个regexp的

[]

。@abarnet:看起来他在正则表达式中包含了额外的内容。他没有通过他正在使用的密码。如果删除中间的

*（[A-Z]\w+）

，则它可以工作。我只是通过查看regex和数据来诊断问题，而不是实际运行它。是的，他要么在regexp中包含额外的内容，要么从字符串中剪切内容。但无论如何，regexp都不能匹配字符串。我测试了2.7和3.3来确保，但这是显而易见的。同时，如果删除regexp的中间或结尾，它将匹配

'2'

，而不是

'12'

，这意味着它仍然不能按他所希望的那样工作。谢谢，这就是我要找的！很高兴知道这解决了眼前的问题。不幸的是，不是长期的，但哦，好吧@JonClements：你说得对，我应该编辑这个答案来提出更大的问题。我给你+1。很好的解释正则表达式-伟大的编辑-警告皇帝我猜

>>> re.findall(r'align.+?(\d+).*([A-Z]\w+)', text)
[('12', 'John')]