python re，多个匹配组答案

【问题标题】：python re, multiple matching groupspython re，多个匹配组
【发布时间】：2013-07-20 16:31:10
【问题描述】：

我有一个字符串：

s = '&nbsp;<span>Mil<\/span><\/th><td align=\"right\" headers=\"Y0 i7\">112<\/td><td align=\"right\" headers=\"Y1 i7\">113<\/td><td align=\"right\" headers=\"Y2 i7\">110<\/td><td align=\"right\" headers=\"Y3 i7\">107<\/td><td align=\"right\" headers=\"Y4 i7\">105<\/td><td align=\"right\" headers=\"Y5 i7\">95<\/td><td align=\"right\" headers=\"Y6 i7\">95<\/td><td align=\"right\" headers=\"Y7 i7\">87<\/td><td align=\"right\" headers=\"Y8 i7\">77<\/td><td align=\"right\" headers=\"Y9 i7\">74<\/td><td align=\"right\" headers=\"Y10 i7\">74<\/td><\/tr>'

我想从字符串中提取这些数字：

112 113 110 107 105 95 95 87 77 74 74

我不是正则表达式方面的专家，所以谁能告诉我，为什么这没有返回任何匹配项：

p = re.compile(r'&nbsp;.*(>\d*<\\/td>.*)*<\\/tr>')
m = p.match(s)

我确定有一个 html/xml 解析模块可以解决我的问题，我也可以拆分字符串并处理该输出，但我真的想用 re 模块来做。谢谢！

【问题讨论】：

标签： python regex python-3.x

【解决方案1】：

>>> r = re.compile(r'headers="Y\d+ i\d+">(\d+)<\\/td>')
>>> r.findall(s)
['112', '113', '110', '107', '105', '95', '95', '87', '77', '74', '74']
>>>

【讨论】：

这个解决方案比较明确，所以我选择它作为正确答案。谢谢。

【解决方案2】：

您想要的所有数字都在“>”和“

re.findall(">(\d+)<", s)

输出：

['112', '113', '110', '107', '105', '95', '95', '87', '77', '74', '74']

基本上，它是说获取介于“>”和“set，您只能获得唯一的。

【讨论】：

我喜欢这个答案，因为它很简单。谢谢。

【解决方案3】：

其他答案给出了可以工作的正则表达式，但值得理解为什么你的正则表达式不能。

你所有的匹配都是贪婪的和可选的 (*)。所以你的正则表达式说：

&nbsp;
0 个或多个字符的任何内容
您的捕获组出现 0 次或多次
</tr>

"0 or more characters of anything" 吃掉字符串的其余部分，不为捕获组留下任何内容，并且由于它是可选的，因此成功匹配。

如果你想重新设计你的正则表达式来工作，你会想使用.*?而不是.*来匹配字符串开头的垃圾。 ? 使匹配不贪婪，因此它将匹配尽可能少的字符而不是尽可能多的字符。

【讨论】：

感谢您解释我的模式出了什么问题。你可能没有给我答案，但你的帖子对我最有用。我坐下来做了一个教程并阅读了关于正则表达式的 Python 标准库。谢谢。

【解决方案4】：

您的表达式没有返回任何匹配项，因为我写的有点错误。而不是打印：

p = re.compile(r'&nbsp;.*(>\d*<\\/td>.*)*<\\/tr>')
m = p.match(s)

你可能应该打印这个：

>>> p = re.compile(r'headers="Y\d+ i\d+">(\d+)<\\/td>')
>>> p.findall(s)
['112', '113', '110', '107', '105', '95', '95', '87', '77', '74', '74']

【讨论】：

这正是张扬宇12分钟前写的。为什么不给他的答案投票呢？