Python w +只匹配单词的一个字符

Question

我有这个正则表达式

<TAG>foo</TAG>[\s"\w]*\(born[\s<>\w/,]*(\w+)

本文

word word</TAG> "word" <TAG>foo</TAG> (born <TAG>words</TAG>, August 19, 1900

然而，所说的正则表达式只匹配1900年0的最后一个字符。换句话说，从“单词”一直到1900匹配，但只捕获了最后的0。

为什么会这样？

Answer 1

使用[\s<>\w/,]*(\w+)时，[\s<>\w/,]*会占用所有内容并留下足够的字符(\w+)来匹配（这是最后一个字符）。这解释了你得到了什么。

如果您想获得1900，那么您可以进行一些小修改：

<TAG>foo</TAG>[\s"\w]*\(born[\s<>\w/,]*\b(\w+)
                                       ^^

\b将匹配单词边界，并强制(\w+)匹配最后的单词 ¹ - 因为内部没有单词边界字

_{¹ “Word”是由\w定义的一个或多个字符的序列。根据模式，\w可能只包含ASCII字符，也可能包含Unicode字符。}

Answer 2

[\s<>\w/,]*正在吃你文字中的所有内容。如果它始终固定为四位数，那么您可以使用\d\d\d\d或\d{4}，或者如果您坚持使用\ \w{4}或\w\w\w\w。

我说的是从最后替换(\w+)。这意味着最少一个或多个。