使用re-library python无法正确分析结束行

Question

考虑字符串：

<p class="sm clg" data-rlocation="Uttam Nagar East">Uttam Nagar East, Delhi <span class="to-txt" id="citytt1">B-24, East Uttam Nagar, Uttam Nagar East,<br>Delhi<span> - </span>110059

我想用regex函数得到结果Uttam Nagar East，但得到的结果是

Uttam Nagar East">Uttam Nagar East, Delhi <span class="to-txt" id="citytt1'

我试过用

print(re.findall(r'data-rlocation="(.*)["]',contents))

以及

print(re.findall(r'data-rlocation="(.*)"',contents))

Answer 1

组(.*)在其捕获中包含右引号。请尝试以下操作：

>>> re.findall(r'data-rlocation="([^"]*)"', contents)
['Uttam Nagar East']

看看它是如何工作的here。你知道吗

Answer 2

默认情况下，*是贪婪的，这意味着它试图使用尽可能多的字符。如果希望匹配尽可能少的字符，可以使用非贪婪限定符*?：

print(re.findall(r'data-rlocation="(.*?)"',contents))

更多信息：https://docs.python.org/3.5/howto/regex.html#greedy-versus-non-greedy

Answer 3

你正在使用贪婪的正则表达式，你可以加上“？”使它不贪婪

import re
contents = '<p class="sm clg" data-rlocation="Uttam Nagar East">Uttam Nagar East, Delhi <span class="to-txt" id="citytt1">B-24, East Uttam Nagar, Uttam Nagar East,<br>Delhi<span> - </span>110059'
print(re.findall(r'data-rlocation="(.*?)"',contents))