我有以下文字：<p class="class">lorem</p> <p >ipsum</p > <p><p>lorem ipsum</p></p>
我需要把它组成四组（用法律表达）：
<p class="class">lorem</p> <p >ipsum</p > <p><p>lorem ipsum</p></p> <p>lorem ipsum</p> 我想我应该这样做：
<p></p> - 代表段落<p\s></p\s*> - 对于<p之后的空格和>之前的无限空格<p\s.*></p\s*> - 对于p>之前的任何字符（对于类等）<p\s.*>.*</p\s*> - 对于段落的任何值但现在，如果我<p>Lorem</p> <p>Ipsum</p>，我会得到一个组['<p>Lorem</p> <p>Ipsum</p>']。我理解为什么，但我不知道要改进它，因为我需要有两组['<p>Lorem</p>', '<p>Ipsum</p>']。你有什么想法吗？
PS：我使用Python和re模块。
答案 0 :(得分：1)
在re .*中，贪婪意味着它将匹配尽可能多的文本。添加?以使文字不贪婪：
<p\s.*?>.*?</p\s*?>
以下是文档：
*?, +?, ??
The '*', '+', and '?' qualifiers are all greedy; they match as much text as possible.
Sometimes this behaviour isn’t desired; if the RE <.*> is matched against
'<H1>title</H1>', it will match the entire string, and not just '<H1>'. Adding '?'
after the qualifier makes it perform the match in non-greedy or minimal fashion; as
few characters as possible will be matched. Using .*? in the previous expression will
match only '<H1>'.
此处提供了文档：