python 正则如何匹配最近的字符

Question

<td>a</td><td>b</td>

正则表达式是: <td>(.*)<\/td>
我期待出现: ["a","b"]
可是结果是: ["a</td><td>b"]

Answer 1

你应该使用惰性数量修饰符（lazy/non-greedy qualifiers）。

<td>(.*?)<\/td>

推荐阅读： http://deerchao.net/tutorials/regex/regex.htm#greedyandlazy

Answer 2

python的正則默認是貪婪（greedy）的（事實上大多數正則的實現都這麼默認）。

你的例子中有兩個<\/td>，所以有兩種匹配，匹配到第一個，那就是你期望的結果 ["a","b"]，匹配到第二個，那就是實際的結果，["a</td><td>b"]。後者比前者長，所以最終匹配結果是第二個。這就是所謂的貪婪模式，找最長的匹配。

你需要的是非貪婪（non-greedy）模式，也叫最小（minimal)模式，也就是匹配盡可能短的字符串。很簡單，只要加上一個?即可，也就是說改成<td>(.*?)<\/td>。

當然，非貪婪可能有性能問題。我不知道 python 有沒有針對這方面的優化。就你的問題而言，用貪婪模式也可以實現，比如 <td>([^<]*)<\/td>。

Answer 3

送你两个字"断言"，搜一下就明白了