正则表达式抓住太多信息

Question

我的剧本：

def fetch_online():
    pattern = re.search('(<span class="on">)(.*)(</span>)', data)
    return pattern.group(2)

print fetch_online()

在data内，有一行包含此内容：

        <b><span><span class="on">5879</span> users online</span></b>

但是，在运行时，输出为：

5879</span> users online

我该如何解决这个问题，以便它只在第一个</span>之前抓取数据？

Answer 1

在您的具体案例中，获得了<span class="on">)(\d+)</span>。在更一般的方法中，选择非贪婪：

<span class="on">(.*?)</span>

Answer 2

使用非贪婪量词：(<span class="on">)(.*?)(</span>)。

要了解有关非贪婪量词的更多信息，请阅读Regular-Expressions.info处的“懒惰而非贪婪”​​部分。

重申评论中已经说过的内容parsing HTML using regular expressions is highly discouraged。