正则非贪婪匹配 及 容易出现的错误
2014-07-21 16:59
295 查看
提取html中的tag,需要用正则的非贪婪匹配法,因为贪婪的正则匹配会把最大的闭合Tag提取出来,而这并不是我们想要的。
一般的正则:
re.findall('''<tr>.*</tr>''',html,re.DOTALL)
非贪婪模式下的正则
re.findall('''<tr>.*?</tr>''',html,re.DOTALL)
这样会把最短符合正则的字符串提取出来。
关键在于 '''.*?'''
参考资料:https://docs.python.org/2/library/re.html
查英文的技术资料,记得用谷歌。
这有一片MSDN的中文RE说明:http://msdn.microsoft.com/zh-cn/library/ae5bf541(VS.80).aspx
出现的错误
事情是这样的:
在Chrome审查元素中查看网页源代码,尝试用Python的正则匹配匹配出相应字符串,结果发现怎么也匹配不出来。把审查元素中的字符创copy as html出来,在一个test.py中跑,却能匹配出来,见鬼了。
后来发现,其实是审查元素中的html已经被chrome规整过格式了,源代码中原本是一个\n 审查元素中却显示成了一个空格,我按照这个来匹配,结果匹配不出。
然后从审查元素中粘贴出来的html也是规整后的字符串,想要查看原始的html需要直接点击查看源代码。
一般的正则:
re.findall('''<tr>.*</tr>''',html,re.DOTALL)
非贪婪模式下的正则
re.findall('''<tr>.*?</tr>''',html,re.DOTALL)
这样会把最短符合正则的字符串提取出来。
关键在于 '''.*?'''
参考资料:https://docs.python.org/2/library/re.html
查英文的技术资料,记得用谷歌。
这有一片MSDN的中文RE说明:http://msdn.microsoft.com/zh-cn/library/ae5bf541(VS.80).aspx
出现的错误
事情是这样的:
在Chrome审查元素中查看网页源代码,尝试用Python的正则匹配匹配出相应字符串,结果发现怎么也匹配不出来。把审查元素中的字符创copy as html出来,在一个test.py中跑,却能匹配出来,见鬼了。
后来发现,其实是审查元素中的html已经被chrome规整过格式了,源代码中原本是一个\n 审查元素中却显示成了一个空格,我按照这个来匹配,结果匹配不出。
然后从审查元素中粘贴出来的html也是规整后的字符串,想要查看原始的html需要直接点击查看源代码。
相关文章推荐
- 关于Mysql中正则查询容易出现的错误
- 正则表达式--递归匹配与非贪婪匹配
- 正则表达式--递归匹配与非贪婪匹配
- SSH整合项目中容易出现的错误整理
- 正则表达式的贪婪匹配(.*)和非贪婪匹配(.*?)
- C++测试题(容易出现错误的地方)
- 今刚学会的,正则表达式的不贪婪匹配。
- SSH整合项目中容易出现的错误整理
- svn错误:更新源码出现校验和不匹配问题
- 正则表达式的贪婪匹配(.*)和非贪婪匹配(.*?)
- C# 容易出现insert into语句的语法错误的原因
- php正则表达式中的非贪婪模式匹配
- 正则表达式:表达式的递归匹配及非贪婪模式的效率
- Delphi 正则表达式语法(6): 贪婪匹配与非贪婪匹配
- 正则表达式的贪婪匹配
- 在C编程中容易出现的错误
- 正则表达式--递归匹配与非贪婪匹配
- VB中容易出现的溢出错误
- 正则表达式--递归匹配、非贪婪匹配与分组替换
- 在echo输出html代码的时候,标签里的代码分两行来写,否则容易出现错误