96
编辑日期: 2024-11-28 文章阅读: 次
@author jackzhenguo
@desc
@date 2019/7/21
96 贪心捕获和非贪心捕获
捕获功能非常实用，使用它需要区分一点，贪婪捕获和非贪婪捕获。前者指在满足匹配模式前提下，返回包括尽可能多的字符匹配模式；后者指满足匹配条件下，尽可能少的捕获。
我们伪造一个理想状况下的案例：
htmlContent = """
<div><div><h2>这是二级标题</h2></div><div><p> 这是一个段落>/p></div></div>
"""
贪心捕获使用(.*)，如下所示：
pat = r"<div>(.*)</div>"
result = re.findall(pat,htmlContent)
结果为如下，尽可能长的捕获，而不是遇到第一个</div>时就终止：
['<div><h2>这是二级标题</h2></div><div><p> 这是一个段落>/p></div>']
而非贪心捕获的正则表达式为<div>(.*?)</div>"，如下：
pat = r"<div>(.*?)</div>"
result = re.findall(pat,htmlContent)
print(result)
结果为两个元素，遇到第一个</div>时终止，然后继续捕获出第二子串：
['<div><h2>这是二级标题</h2>',
'<p> 这是一个段落>/p>']
以上例子仅仅用作演示两者区别，实际的html结构含有换行符等，环境比上面要复杂的多，贪心和非贪心捕获的写法可能不会导致结果不同，但是我们依然需要理解它们的区别。
