python正则中最短匹配实现代码
更新时间：2018年01月16日 21:28:24 作者：陌上行走
这篇文章主要介绍了python正则中最短匹配实现代码,需要的朋友可以参考下
下面从一个例子入手：
利用正则表达式解析下面的XML/HTML标签：
<composer>Wolfgang Amadeus Mozart</composer> <author>Samuel Beckett</author> <city>London</city>
希望自动格式化重写为：
composer: Wolfgang Amadeus Mozart
author: Samuel Beckett
city: London
一个代码是这样的形式：
#coding:utf-8
import re
s="""<composer>WolfgangAmadeus Mozart</composer>
<author>SamuelBeckett</author>
<city>London</city>"""
pattern1=re.compile("<\w+>") #匹配<>中任意的字符
pattern2=re.compile(">.+</") #匹配><中任意的字符
listNames=pattern1.findall(s) #获取所有满足正则表达式pattern1的字符串的列表
listContents=pattern2.findall(s) #获取所有满足正则表达式pattern2的字符串的列表
#由于xml是规范的，所以是一一对应（对于错误输入，暂时不考虑）
for i in range(len(listNames)):
#输出的时候利用切片丢弃多余的符号，如：<>/
print(listNames[i][1:len(listNames[i])-1],":",
listContents[i][1:len(listContents[i])-2])
这个代码运行后结果是可以的。
下面我们修改下s的格式：
#coding:utf-8
import re
s="<composer>Wolfgang Amadeus Mozart</composer> <author>Samuel Beckett</author> <city>London</city>"
pattern1=re.compile("<\w+>") #匹配<>中任意的字符
# 此模式为非贪婪模式，所以s不是多行也可以匹配
pattern2=re.compile(">.+</") #匹配><中任意的字符,问号必须加，"?"是非贪婪匹配
listNames=pattern1.findall(s) #获取所有满足正则表达式pattern1的字符串的列表
listContents=pattern2.findall(s) #获取所有满足正则表达式pattern2的字符串的列表
#由于xml是规范的，所以是一一对应（对于错误输入，暂时不考虑）
for i in range(len(listNames)):
#输出的时候利用切片丢弃多余的符号，如：<>/
print(listNames[i][1:len(listNames[i])-1],":",
listContents[i][1:len(listContents[i])-2])
得到的答案如下所示：
我们打印一下匹配到的两个结果看一下，修改代码如下：
#coding:utf-8
import re
s="<composer>Wolfgang Amadeus Mozart</composer> <author>Samuel Beckett</author> <city>London</city>"
pattern1=re.compile("<\w+>") #匹配<>中任意的字符
# 此模式为非贪婪模式，所以s不是多行也可以匹配
pattern2=re.compile(">.+</") #匹配><中任意的字符,问号必须加，"?"是非贪婪匹配
listNames=pattern1.findall(s) #获取所有满足正则表达式pattern1的字符串的列表
listContents=pattern2.findall(s) #获取所有满足正则表达式pattern2的字符串的列表
print(listNames)
print(listContents)
#由于xml是规范的，所以是一一对应（对于错误输入，暂时不考虑）
for i in range(len(listNames)):
#输出的时候利用切片丢弃多余的符号，如：<>/
print(listNames[i][1:len(listNames[i])-1],":",
listContents[i][1:len(listContents[i])-2])
显示结果如下：
从第一个箭头显示可以看出，这个处理是对的，那么看第二个箭头，这个匹配的结果显然是不对的了，那么是什么原因呢？
这是因为在正则中，‘*'、‘+'、‘？'这些是贪婪匹配，如用 a*，操作结果是尽可能多地匹配模式。所以当你试着匹配一对对称的定界符，如 HTML 标志中的尖括号。匹配单个 HTML 标志的模式不能正常工作，因为 .* 的本质是“贪婪”的 。在这种情况下，解决方案是使用不贪婪的限定符 *?、+?、?? 或 {m,n}?，尽可能匹配小的文本。
那么代码可以修改如下：
#coding:utf-8
import re
s="<composer>Wolfgang Amadeus Mozart</composer> <author>Samuel Beckett</author> <city>London</city>"
pattern1=re.compile("<\w+?>") #匹配<>中任意的字符
# 此模式为非贪婪模式，所以s不是多行也可以匹配
pattern2=re.compile(">.+?</") #匹配><中任意的字符,问号必须加，"?"是非贪婪匹配
listNames=pattern1.findall(s) #获取所有满足正则表达式pattern1的字符串的列表
listContents=pattern2.findall(s) #获取所有满足正则表达式pattern2的字符串的列表
#由于xml是规范的，所以是一一对应（对于错误输入，暂时不考虑）
for i in range(len(listNames)):
#输出的时候利用切片丢弃多余的符号，如：<>/
print(listNames[i][1:len(listNames[i])-1],":",
listContents[i][1:len(listContents[i])-2])
最后，用分组对代码的正则进行优化一下，如下：
#coding:utf-8
import re
s="<composer>Wolfgang Amadeus Mozart</composer><author>Samuel Beckett</author><city>London</city>"
pattern1=re.compile("<(\w+?)>") #匹配<>中任意的字符
# 此模式为非贪婪模式，所以s不是多行也可以匹配
pattern2=re.compile("<\w+?>(.+?)</\w+?>") #匹配<a>...</a>中任意的字符,问号必须加，"?"是非贪婪匹配
listNames=pattern1.findall(s) #获取所有满足正则表达式pattern1的字符串的列表
listContents=pattern2.findall(s) #获取所有满足正则表达式pattern2的字符串的列表
#由于xml是规范的，所以是一一对应（对于错误输入，暂时不考虑）
for i in range(len(listNames)):
print(listNames[i],":",
listContents[i])
这篇文章就介绍到这，大家可以多参考脚本之家以前发布的关于python 正则表达式的相关内容。
相关文章
这篇文章主要为大家介绍了Tensorflow深度学习CNN实现英文文本分类示例解析，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步2021-11-11
这篇文章主要给大家介绍了关于高斯模糊的原理以及python实现的相关资料，Python使用opencv库生成模糊图像还是很方便的，需要的朋友可以参考下2021-05-05
这篇文章主要介绍了Python多线程多进程实例对比解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-03-03
利用Anaconda完美解决Python 2与python 3的共存问题
Anaconda 是 Python 的一个发行版，如果把 Python 比作 Linux，那么 Anancoda 就是 CentOS 或者 Ubuntu，下面这篇文章主要给大家介绍了利用Anaconda完美解决Python 2与python 3共存问题的相关资料，文中介绍的非常详细，需要的朋友可以参考借鉴。2017-05-05
Python解决“ImportError: Couldn‘t import Django”问题全攻略
本文主要介绍了Python解决“ImportError: Couldn‘t import Django”问题全攻略,具有一定的参考价值,感兴趣的可以了解一下2025-03-03
这篇文章主要介绍了Python中用pycurl监控http响应时间脚本分享,本文脚本实现监控http相应码,响应大小,建立连接时间,准备传输时间,传输第一个字节时间,完成时间,需要的朋友可以参考下2015-02-02
在数据处理和数据可视化中,经常需要对大数值进行格式化,其中一种常见的需求是在数字中添加千位分隔符,本文为大家整理了三种常见方法,希望对大家有所帮助2024-01-01
这篇文章主要介绍了python实现跨年表白神器的方法，本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友参考下吧2021-01-01
本文主要介绍了pytest中配置文件pytest.ini使用，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2022-05-05
提到元这个字，你也许会想到元数据，元数据就是描述数据本身的数据，元类就是类的类，本文的主要目的是向大家介绍这些元编程技术，并且给出实例来演示它们是怎样定制化源代码的行为。刚兴趣的朋友可以参考一下2021-09-09
最新评论