Question

我正在尝试对具有富文本格式的QTextEdit小部件执行一些正则表达式搜索。视觉上它可以正常显示，但是正则表达式忽略了许多 换行符，并将整个文本视为一个大的单行。

如果我将文本显示为纯文本，而在新行中使用\n，则正则表达式搜索可以完美地将每行解释为自己的行。但是，顾名思义，纯文本没有我需要的富文本格式。

反正则表达式是否可以将HTML换行符解释为新行而不是\n，还是可以使正则表达式与HTML一起正常工作的任何方式？我尝试添加 \n，但这无济于事。

我正在将QTextEdit.find（QRegExp）与PyQT5用于Python。

这是正在发生的事的一个例子：

正则表达式模式：Lorem.+

文本正文：

Lorem ipsum dolor坐在amet。

保密专家。

sed做eiusmod tempor incididun

预期匹配：

Full match  0-28    `Lorem ipsum dolor sit amet. `

实际匹配：

Full match  0-89    `Lorem ipsum dolor sit amet.Consectetur adipiscing elit.sed do eiusmod tempor incididunt`

我不认为这是点匹配所有字符（包括换行符）的问题，因为在纯文本模式下使用完全相同的正则表达式模式（使用\n作为换行）时，点不包括换行符太。仅当我将文本QTextEdit设置为HTML而不是纯文本时，才会发生这种情况

Answer 1

不是使用 来表示富文本HTML的新行，而是将每行放在<div>标记之间，并且使用regex时，它会将div的结尾视为行的结尾。

确实很奇怪，但是可以解决

出于某种奇怪的原因，在QT中，使用正则表达式时，在QTextEdit中使用富文本HTML时， 行换行标记未解释为\n。

确实很奇怪，但是可以工作，当转换回纯文本时，文本内容不会改变，其视觉效果与使用 完全相同。

不确定这是QT错误还是有原因。

Answer 2

据我所知，如果要使用REGEX解析HTML，则会走错路了：

您是否尝试过使用XML解析器？

尝试一下：Lorem.+?(<\\Br>|\n)

Answer 3

首先，在尝试找出正则表达式时，regex101.com是您的朋友。

第二，您可能要使用QRegularExpression。 QRegEx实际上正在朝着弃用方向发展，其功能（或合规性）不及QRegularExpression那样。

也就是说，让我们看一下您尝试捕获的“ html”可以写为纯字符串的可能方式。

Lorem ipsum dolor sit amet.<br>Consectetur adipiscing elit.<br>sed do eiusmod tempor incididun

要尝试的第一件事是Lorem.+ （注意：否\n），但是匹配得太多。

默认情况下，正则表达式是贪婪的。这意味着他们将尝试尽可能地匹配，从而为您提供前两行。因此，我们需要告诉+不要贪婪。如果您使用的是QRegularExpression，则可以使用非贪婪的限定词来提出Lorem.+? 。