Python re.sub 使用非贪婪模式 (.*?) 和字符串结尾 ($) 它变得贪婪了!

Question

代码:

str = '<br><br />A<br />B'
print(re.sub(r'<br.*?>\w$', '', str))

预计返回<br><br />A , 但它返回一个空字符串 '' !

有什么建议吗？

Answer 1

贪婪从左到右起作用，但不是从左到右起作用。它基本上意味着“不匹配，除非你匹配失败”。这是正在发生的事情:

1. 正则表达式引擎匹配 <br在字符串的开头。
2. .*?现在被忽略，它是懒惰的。
3. 尝试匹配> , 并成功。
4. 尝试匹配\w并失败了。现在很有趣 - 引擎开始回溯，并看到 .*?规则。在这种情况下，.可以匹配第一个> ，所以这场比赛仍有希望。
5. 这种情况一直发生，直到正则表达式到达斜线。那么>\w可以匹配，但是$失败。再次，引擎回到懒惰 .*规则，并保持匹配，直到匹配 <br><br />A<br />B

幸运的是，有一个简单的解决方案:通过替换 <br[^>]*>\w$您不允许在您的标签之外进行匹配，因此它应该替换最后一次出现的内容。
严格来说，这对 HTML 不太适用，因为标签属性可以包含 >字符，但我认为这只是一个例子。