python 貪婪 非貪婪 匹配，python匹配

python 貪婪 非貪婪 匹配，python匹配

python re模組還是需要重新學習。
python readline 和 readlines(), readline() , read() 三者之間的區別，以前一直都不清楚，現在搞清楚是怎麼回事了。
readlines() 可以一起顯示出整個檔案，這個也是迭代顯示的，需要追行顯示，迭代器的指標會被消耗的。

python 中的正則是匹配換行以外的所有的字元。.* 是匹配不了所有的字元的。在某些情況下，我的結論是正確的，但是在某些情況下，我的結論又是錯誤的。剛才遇到的問題，現在終於知道是怎麼回事了，原來是貪婪匹配和非貪婪匹配的問題，對於這種情況，我也是相對遲鈍了。
save.html 是我隨便抓來的一個html，我要從這個html中抓出所有的 javascript程式碼片段。

def getcss():    fh = open('save.html')    html =fh.read()    #js_pattern = re.compile(r'<script .*?">');    ans = re.findall(r'<script .*?>.*?</script>',html,re.S)    src_pattern = re.compile(r'^"http.*"');    for i in ans:        #ret = re.findall(src_pattern,i)        print i

通過上面的程式，我得到了下面的結果。源檔案是一個html，格式一般，這些程式碼片段是分行的，我的目的是找出所有的程式碼片段。下面做一個簡單的解釋。在嘗試的過程中，我試了好幾種Regex，下面講一下我遇到的問題。

實現是跨行匹配的問題，.*是無法匹配\n的，所以如果標籤分布在不同的行，那麼如何匹配中間的內容呢。為瞭解決跨行匹配的問題，找到了這個解決方案,可以用([\d\D]*)或([\w\W]*) 或([\s\S]*) 來代替。
然後又遇到了問題，我的正則總是會匹配太多的內容，最後發現，我的匹配模式是按照最多內容匹配的。預設的匹配模式是貪婪匹配，所以如果用了.*的話，總會匹配更多的內容。所以找到了這個參考。python貪婪匹配看到了貪婪匹配和非貪婪匹配的核心在一個?上，re.S標記是多行匹配的關鍵，類似的標記還有re.M標記，這個是一行的標記。re.M：^$標誌將會匹配每一行，預設^和$只會匹配第一行,文章裡有幾個例子還是很不錯的，值得仔細研究一下,建議自己執行一下這些代碼，看下結果，如果這些都很清楚，那麼正則掌握的還算不錯。

re.findall(r"a(\d+?)", "a23b")re.findall(r"a(\d+)", "a23b")re.findall(r"a(\d+)b.+a(\d+)b", "a23b\na34b")re.findall(r"a(\d+)b.+a(\d+)b", "a23b\na34b", re.S)

最後，實現了上面我提出的需求，主要利用了跨行匹配和非貪婪匹配。