在進(jìn)行正則表達(dá)式的匹配時(shí)以下四個(gè)語(yǔ)句的區(qū)別到底在哪里？
需要匹配的原始文檔：
<div class="author clearfix">
<a href="/users/24041432/" target="_blank" rel="nofollow">
</a>
<a href="/users/24041432/" target="_blank" title="做個(gè)被需要的人。">
<h2>做個(gè)被需要的人。</h2>
</a>
...
<div class="signin-error" id="signin-error"></div>
<button type="submit" id="form-submit" class="form-submit">登錄</button>
</form>
</div>
<div class="signin-foot clearfix">
<a rel="nofollow" href="/new4/fetchpass" class="fetch-password">忘記密碼?</a>
</div>
</div>
</div>
<div class="float-nav">
<a class="float-nav-backtop" href="#" rel="nofollow">
<span class="float-nav-backtop-icon"></span>
</a>
</div>
<!--[if gte IE 6]>
<script type="text/javascript" src="http://static.qiushibaike.com/js/src/web/json3.js?v=3a7f66a11a09842cd7555fad039657be"></script>
<![endif]-->
<script type="text/javascript" src="http://static.qiushibaike.com/js/dist/web/libs.min.js?v=bc8ddd36f0e7fed7c27f437c17f23ce0"></script>
<script type="text/javascript" src="http://static.qiushibaike.com/js/dist/web/app.min.js?v=9d24424ee8d18d35a0a64362f6e6694a"></script>
<script type="text/javascript">
期望的第二個(gè)匹配集合的輸出
做個(gè)被需要的人。
語(yǔ)句1：
'<div.*?author clearfix">(.*?)<a.*?title="(.*)">'
items = re.findall(pattern, content)
for item in items:
print item[1]
輸出：
做個(gè)被需要的人。">
<h2>做個(gè)被需要的人。</h2>
</a>
<div class="articleGender manIcon">21</div>
</div>
<input type="hidden" id="hid">
<div id="single-next-link" title="下一條">
<div class="content">
...
<script type="text/javascript
語(yǔ)句2：
'<div.*?author clearfix">(.*?)<a.*?title="(.*)">.*?<h2>'
items = re.findall(pattern, content)
for item in items:
print item[1]
輸出：
做個(gè)被需要的人。
語(yǔ)句3：
'<div.*?author clearfix">(.*?)<a.*?title="(.*？)">'
items = re.findall(pattern, content)
for item in items:
print item[1]
輸出：
做個(gè)被需要的人。
語(yǔ)句4：
'<div.*?author clearfix">.*?<a.*?title="(.*？)">'
items = re.findall(pattern, content)
for item in items:
print item[0]
輸出：
做
一些觀(guān)察和分析
- 觀(guān)察
- findall()的返回值是什么？
我們?cè)诖a中打印出findall的返回值：
pattern = re.compile('<div.*?author clearfix">(.*?)<a.*?title="(.*?)">', re.S)
items = re.findall(pattern, content)
print items
輸出：
[(u'\n', u'\u505a\u4e2a\u88ab\u9700\u8981\u7684\u4eba\u3002')]
由此輸出，我們可以看出items包含了兩個(gè)匹配集合。一個(gè)是換行符，一個(gè)是一段文本。
- 再試一個(gè)
輸入
pattern = re.compile('<div.*?author clearfix">.*?<a.*?title="(.*?)">', re.S)
items = re.findall(pattern, content)
print items
輸出
[u'\u505a\u4e2a\u88ab\u9700\u8981\u7684\u4eba\u3002']
由此輸出，可以發(fā)現(xiàn)items僅僅是我們用括號(hào)制定的匹配集合。對(duì)于上面的一個(gè)例子同樣成立。通過(guò)觀(guān)察，我們發(fā)現(xiàn)，有一次記錄匹配，items中就會(huì)多一個(gè)item, 而對(duì)于每個(gè)匹配的item，它內(nèi)部的元素就是每個(gè)匹配集合。
- 分析
- 語(yǔ)句1中采用的是python默認(rèn)的貪婪匹配，所以這個(gè)pattern直接匹配到了文本的最后。
- 語(yǔ)句2中采用的也是貪婪匹配，但是因?yàn)樵谖覀兤谕哪莻€(gè)pattern之后加上了對(duì)于<h2>的匹配，所以就限制了匹配的長(zhǎng)度。
- 通過(guò)以上兩次實(shí)驗(yàn)的分析我們可以得知，對(duì)于語(yǔ)句3， items中有且僅有一個(gè)元素。而item[1]就是第二個(gè)匹配集，即title的值。
- 對(duì)于輸出4而言，item中只有一個(gè)匹配集合。所以item就是“做個(gè)被需要的人”。因?yàn)橐粋€(gè)字符串就是字符的數(shù)組，所以在我們使用item[0]時(shí)就獲取了第一個(gè)字符。
