基于Python正则表达式的htmlw多个最短匹配

Question

我试图使用Python中的正则表达式获取这个HTML代码http://catedral.prefeitura.unicamp.br/cardapio.php的4表的内容。 桌子从 “[\t\n\s]” 最后以 “<；/table>；[\t\n\s]<；/td>；” 我使用的代码如下：

menuSearchString = '<td align="left" valign="top">[\t\n\s]*<table width="[\d%]+" class="fundo_cardapio">([\s\S\d\t\n]+)<\/table>[\t\n\s]*<\/td>'
menus = re.findall(menuSearchString,page)
print menus

但是我找不到那四张桌子。我想我误解了贪婪的配置和“？”接线员，我最后试过了，但没有成功。你知道吗

Answer 1

你说得对。正则表达式的一部分是greedy，这导致正则表达式在一个匹配中捕获所有四个表。你所要做的就是做这个部分lazy，以便得到四个匹配项。你知道吗

更改正则表达式的这部分：

[\s\S\d\t\n]+

收件人：

[\s\S\d\t\n]+?

完整代码：

menuSearchString = '<td align="left" valign="top">[\t\n\s]*<table width="[\d%]+" class="fundo_cardapio">([\s\S\d\t\n]+?)<\/table>[\t\n\s]*<\/td>'
menus = re.findall(menuSearchString,page)
print menus