Question

str1='<a href="/states/florida/433" title="florida"><img alt="florida" src="http://abc.com"'
str2='<a href="/states/florida/433" title="florida">'
pat = re.compile('/states/.*/([^"]+)')
if ( pat.findall(str2) == pat.findall(str1)):
    print "TRUE"
else:
    print "FALSE"

输出：错误，

输出2：433
output1：abc.com

有人可以解释一下吗？

Answer 1

使用不情愿的量词 - .*?，而不是贪婪的量词 - .*，一切都会很好： -

pat = re.compile('/states/.*?/([^"]+)')

量词是默认的贪婪，从某种意义上说，他们试图尽可能多地覆盖字符串，并且仍然保留模式的其余部分以匹配剩余的字符串。在量词之后使用?使其不情愿，在这种情况下，它们将在以下字符的第一个匹配位置停止 - 在这种情况下为/。

Answer 2

在第一个网址上，你的正则表达式匹配整个字符串：

<a href="/states/florida/433" title="florida"><img alt="florida" src="http://abc.com
         /states/                                .*                         /([^"]+)

而不是

<a href="/states/florida/433" title="florida"><img alt="florida" src="http://abc.com
         /states/ .*   /([^"])+

他们很贪婪，.*尽可能多地吃掉数据。

Answer 3

您的RegEx工作正常：

<a href="/states/florida/433" title="florida"><img alt="florida" src="http://abc.com"
         ^^^^^^^^............................................................^^^^^^^
         /states/                      .*/                                     [^"]+

和

<a href="/states/florida/433" title="florida">
         ^^^^^^^^........^^^

如果您不想在第一种情况下使用整个字符串，请使用?，非贪婪的匹配量词表示“/states/后跟任意数量的字符，直到第一个 /后跟一个或多个非引号字符“

Answer 4

你的模式是贪婪的（你可以在这里阅读贪婪和非贪婪的正则表达式模式：http://docs.python.org/2/library/re.html和这里：http://www.itworld.com/nl/perl/01112001。改变模式

'/states/.*/([^"]+)'

到

'/states/.*/([^"]+)'

返回true。这是完整修改后的来源：

import re

str1='<a href="/states/florida/433" title="florida"><img alt="florida" src="http://abc.com"'
str2='<a href="/states/florida/433" title="florida">'
pat = re.compile('/states/.*?/([^"]+)')
if ( pat.findall(str2) == pat.findall(str1)):
    print "TRUE"
else:
    print "FALSE"

Python正则表达式意外行为

4 个答案: