代码：
str = '<br><br />A<br />B'
print(re.sub(r'<br.*?>\w$', '', str))
它应该返回<br><br />A，但它返回一个空字符串''！
有什么建议吗？
5288 次
2 回答
7
贪婪从左到右起作用，但不是相反。它的基本意思是“除非你不匹配，否则不匹配”。这是发生了什么：
- 正则表达式引擎匹配
<br字符串的开头。 .*?现在被忽略了，它是懒惰的。- 尝试匹配
>，并成功。 - 尝试匹配
\w并失败。现在很有趣 - 引擎开始回溯，并看到.*?规则。在这种情况下，.可以匹配第一个>，所以该匹配仍有希望。 - 这种情况一直发生，直到正则表达式到达斜线。然后
>\w可以匹配，但$失败。再次，引擎回到惰性.*规则，并继续匹配，直到匹配<br><br />A<br />B
幸运的是，有一个简单的解决方案：通过替换<br[^>]*>\w$，您不允许在标签之外进行匹配，因此它应该替换最后一个匹配项。
严格来说，这不适用于 HTML，因为标签属性可以包含 >字符，但我认为这只是一个示例。
于 2010-11-25T05:57:40.853 回答
1
以后不会像那样开始不贪婪。它匹配第一个<br并且将非贪婪地匹配其余部分，实际上需要转到字符串的末尾，因为您指定了$.
要使其按您想要的方式工作，请使用
/<br[^<]*?>\w$/
但通常不建议使用正则表达式来解析 HTML，因为某些属性的值可以包含<或包含>在其中。
于 2010-11-25T05:56:51.797 回答