手边有一个regex的问题 不知道是不是跟处理中文有关 pat_en = "<foo<bar/pos>" pat_ch = u"<夫<爸/pos>" 以上两个对等的例子，一为中文，一为英文 我的目标是要抓出最里面的那个括号就好 亦即 <bar/pos> <爸/pos> # 英文的部份没有什麽问题，如下 In [1]: re.search(r"<\w*/\w*>", pat_en).group() Out[1]: '<bar/pos>' # 中文... In [2]: re.search(r"<.*?/\w*>", pat_ch).group() Out[2]: '<夫<爸/pos> 这边的?不是应该是non-greedy吗？ 理论上不是应该要得到<爸/pos>吗？ 如果有理解上的错误，烦请高人指点！ # 那我在左括号和右括号中间加一个否定式 In [3]: re.search(r"<.[^<]*?/\w*>", pat_ch).group() Out[3]: '<爸/pos>' 可行 # 同样的方法也套用在英文上 In [4]: re.search(r"<.[^<]*?/\w*", pat_en).group() Out[4]: '<bar/pos>' 也可行 不过我发现，这边的?有加没加，好像差不多 所以修改如下 r"<.[^<]*?/\w*>" --> r"<.[^<]*/\w*>" # 套用修改後的的regex在英文上 In [5]: re.search(r"<.[^<]*/\w*>", pat_en).group() Out[5]: '<bar/pos>' # 套用修改後的regex在中文上 In [6]: re.search(r"<.[^<]*/\w*>", pat_ch).group() Out[6]: '<爸/pos>' 由以上发现，这边?根本没有作用 这看起来不像是中文编码问题 即便我在在flag加上re.UNICODE 也没有任何帮助 如下 In [7]: re.serach(r"<.*?/\w*>", pat_ch, re.UNICODE).group() Out[7]: '<夫<爸/pos>' 请教大大们 怎样的regex才能比较精确的表达呢？ 还有我哪边的理解错误了，请迷津指点一下 卡关卡好久了... --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.112.4.198 ※ 编辑: amigcamel 来自: 140.112.4.198 (11/26 20:09) ※ 编辑: amigcamel 来自: 140.112.4.198 (11/26 20:11)