DjangoBB LoFi version

Полная версия: Не жадное регулярное выражение

Начало » Python для экспертов » Не жадное регулярное выражение

1 2 3

inzem

Июль 8, 2013 09:13:11

Почему первое .*? срабатывает как жадное?

In [31]: re.search(r'<.*?categ.*?>', 'kjk<div class="videoss"><a class="category_title1" href="video/#agrej">w3rtwq3t</a></div>').group()
Out[31]: '<div class="videoss"><a class="category_title1" href="video/#agrej">'

Почему выводит не так ?

<a class="category_title1" href="video/#agrej">'

4kpt

Июль 8, 2013 09:29:58

Зачем парсить html регулярными выражениями? Есть добрый lxml (или xml, если документ небольшой). По xml есть даже глава в Бизли Д. “Python. Подробный справочник”. Книга, кстати, на русском :)

inzem

Июль 8, 2013 09:36:48

Спортивный интерес :)
Не понятно почему не работает.

lorien

Июль 8, 2013 09:44:25

Видимо, это связано с механизмом реализации регулярных выражений, есть такая книжка http://www.books.ru/books/regulyarnye-vyrazheniya-3-e-izdanie-fail-pdf-626982/?show=1, думаю там это всё объяснено хорошо.

4kpt

Июль 8, 2013 09:50:44

lorien
Книга очень хорошая. Лучшая, я бы сказал, в своей области.

inzem

Июль 8, 2013 09:58:57

In [51]: re.search(r'<.*categ.*?>', 'kjk<div class="videoss"><a class="category_title1" href="video/#agrej">w3rtwq3t</a></div>').group()
Out[51]: '<div class="videoss"><a class="category_title1" href="video/#agrej">'

Жадное и не жадное работает одинаково :(

inzem

Июль 8, 2013 10:00:40

4kpt
lorienКнига очень хорошая. Лучшая, я бы сказал, в своей области.

Спасибо
Только демо версия…

py.user.next

Июль 8, 2013 11:03:01

4kpt
Зачем парсить html регулярными выражениями? Есть добрый lxml (или xml, если документ небольшой).

xml - для разбора правильного xml-кода, а html-код не обязан являться правильным xml-кодом

inzem
Почему первое .*? срабатывает как жадное?

странное поведение, не должно такого быть, независимо от того, ищет ли оно слева направо или справа налево

Shaman

Июль 8, 2013 11:19:03

Нормальное поведение.

>>> re.search(r'<.*?categ.*?>', 'kjk<div class="videoss"><a class="category_title1" href="video/#agrej">w3rtwq3t</a><a class="category_title1" href="video/#agrej">w3rtwq3t</a></div>').group()
'<div class="videoss"><a class="category_title1" href="video/#agrej">'
>>> re.search(r'<.*categ.*?>', 'kjk<div class="videoss"><a class="category_title1" href="video/#agrej">w3rtwq3t</a><a class="category_title1" href="video/#agrej">w3rtwq3t</a></div>').group()
'<div class="videoss"><a class="category_title1" href="video/#agrej">w3rtwq3t</a><a class="category_title1" href="video/#agrej">'

Имхо, ‘.*’ и ‘.+’ лучше не использовать без крайней необходимости и делать шаблон как можно более конкретизированным. Или хотя бы

re.search(r'<[^<>]*categ[^<>]*>', 'kjk<div class="videoss"><div class="videoss"><a class="category_title1" href="video/#agrej">w3rtwq3t</a></div>').group()
'<a class="category_title1" href="video/#agrej">'

inzem

Июль 8, 2013 12:34:06

Shaman
Нормальное поведение.

Спасибо! Буду знать.
Сам пока вышел таким способом

In [52]: re.search(r'<a.*categ.*?>', 'kjk<div class="videoss"><a class="category_title1" href="video/#agrej">w3rtwq3t</a></div>').group()
Out[52]: '<a class="category_title1" href="video/#agrej">'