免责声明：我不是正则表达专家。
我正在使用Python re模块在许多htm文件上执行正则表达式匹配。其中一种模式是这样的：
<bla><blabla>87765.*</blabla><bla>
我遇到的问题是，不是找到所有（比如说）五次出现的模式，而是只找到一个。因为它使用第一次出现的<bla><blabla>87765部分和页面中最后一次出现的</blabla><bla>部分将所有出现次数合并为一次。
有没有办法告诉重新找到最小的匹配？
答案 0 :(得分：13)
您可以在模式中使用不情愿的限定符（有关详细信息，请参考*?，+?和??运算符上的python documentation：
<bla><blabla>87765.*?</blabla><bla>
或者，从可能匹配的字符中排除<：
<bla><blabla>87765[^<]*</blabla><bla>
<blabla>和</blabla>之间没有子标记，则。
答案 1 :(得分：2)
Python re模块支持非同步匹配。您只需在通配符模式的末尾添加?，例如.*?。您可以在this HOWTO了解详情。
答案 2 :(得分：1)
I believe the regex
<bla><blabla>87765.*?</blabla><bla>
can produce catastrophic backtracking.
Instead, use:
<bla><blabla>87765[^<]*</blabla><bla>
Using atomic grouping (I'm not sure Python supports this),
the above regex becomes
<bla><blabla>(?>(.*?<))/blabla><bla>
正则表达式引擎离开组后，（？＆gt; ...）之间的所有内容都被正则表达式引擎视为一个单一标记。因为整个组是一个令牌，所以一旦正则表达式引擎找到该组的匹配项，就不会发生回溯。如果需要回溯，则引擎必须在组之前回溯到正则表达式令牌（在我们的示例中为插入符号）。如果组之前没有令牌，则正则表达式必须在字符串中的下一个位置重试整个正则表达式。请注意，我需要包含“＆lt;”在小组中确保原子性。足够接近。
答案 3 :(得分：0)
嗯......有一种方法可以告诉我找到最小的匹配，而且正是通过使用非贪婪的量词。
<bla><blabla>87765.*?</blabla><bla>
我无法想象为什么在使用贪婪量词时你会想要这样做。