正则非贪婪匹配 及 容易出现的错误

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。