Python re.findall 仅返回第一个匹配项答案

【问题标题】：Python re.findall returns only first matchPython re.findall 仅返回第一个匹配项
【发布时间】：2021-01-09 03:56:20
【问题描述】：

我对此有点坚持，在这里没有发现类似的问题。

我想获取字符串中所有标签元素的列表，例如， <a> -> a 或 </b> -> b

import re

s = '<p><a href="http://www.quackit.com/html/tutorial/html_links.cfm">Example Link</a></p>'
pat = r'<\s*(\w+)/?\s*.*>'
tags = re.findall(pat, s)
print(tags)

结果我得到['p']。如果我将\w+ 更改为[a-d]+，我只会得到['a']。

我希望结果为 ['p', 'a', 'a', 'p'] 或至少所有不同的标签值。

我在这里做错了什么？谢谢！

使用 Python 3.x

【问题讨论】：

标签： python-3.x regex findall python-re

【解决方案1】：

首先，您需要使您的模式匹配非贪婪（将.* 切换为.*?）。您可以在 Python docs 中给出的示例中阅读更多相关信息（他们甚至使用 HTML 标记作为示例！）。

其次，/? 部分应该在开头，而不是在标签名称\w+ 之后。

另外，第二个\s* 是多余的，因为.* 也会捕获空格。

import re

s = '<p><a href="http://www.quackit.com/html/tutorial/html_links.cfm">Example Link</a></p>'
pat = r'</?\s*(\w+).*?>'
tags = re.findall(pat, s)
print(tags)

输出：

['p', 'a', 'a', 'p']

对于更通用的解决方案，请考虑改用 BeautifulSoup 或 HTMLParser：

from html.parser import HTMLParser

class HTMLTagParser(HTMLParser):

    def handle_starttag(self, tag, attrs):
        tags.append(tag)

    def handle_endtag(self, tag):
        tags.append(tag)

s = '<p><a href="http://www.quackit.com/html/tutorial/html_links.cfm">Example Link</a></p>'
tags = []
parser = HTMLTagParser()
parser.feed(s)
print(tags)

输出：

['p', 'a', 'a', 'p']

该方法适用于任意 HTML（因为正则表达式可能会因为您最小化所做的假设而变得混乱）。注意，对于开始标签，handle_starttag 中的 attrs 参数也可用于检索标签的属性，如果需要的话。

【讨论】：

谢谢，成功了！该字符串只是一个示例，如果这些是自闭合标签，则在标签字符之后也可以有“/”。一个问题：为什么是.*？ - 我认为 .* 匹配 0 个或多个任何字符。我真的不明白？在这里。
太好了，我还更新了我的答案以包含使用 Python 模块的替代方案，这是比使用正则表达式更通用和可靠的解决方案。
@matt444 它的正则表达式语法使.* 非贪婪。您可以在 Python 文档中阅读更多关于 here 的信息——他们甚至使用 HTML 标记作为示例。

【解决方案2】：

使用 or (|) 运算符并写下由运算符分隔的两种模式，它应该可以工作。

参考这个， How is the AND/OR operator represented as in Regular Expressions?

【讨论】：