Python re.sub使用非貪婪模式（。*？）結束字符串（$）它變得貪婪！

Question

代碼：

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

預計返回<br><br />A，但它返回一個空字符串''！

有什麼建議嗎？

Answer 1

貪婪從左到右工作，但沒有其他方式。它基本上意味着「不匹配，除非你不匹配」。以下是發生了什麼事情：

1. 正則表達式引擎在字符串的起始處匹配<br。
2. .*?現在被忽略，它很懶。
3. 嘗試匹配>，併成功。
4. 嘗試匹配\w並失敗。現在很有趣 - 引擎開始回溯，並看到.*?規則。在這種情況下，.可以匹配第一個>，所以這場比賽仍然有希望。
5. 這種情況持續發生，直到正則表達式達到斜線。然後>\w可以匹配，但$失敗。同樣，發動機回來懶.*規則，並保持匹配，直到與<br><br />A<br />B

幸運的是，有一個簡單的解決方案：通過更換<br[^>]*>\w$你不讓你的標籤之外匹配，所以它應該取代最後一次出現。
嚴格來說，這對HTML並不適用，因爲標籤屬性可以包含>個字符，但我認爲這只是一個示例。

Answer 2

非貪心不會像以後那樣開始。它與第一個<br相匹配，並且將非貪婪地匹配其餘部分，因爲您指定$，實際上需要轉到字符串的末尾。

爲了使它工作，你想要的方式，使用

/<br[^<]*?>\w$/ 

但通常不建議使用正則表達式來解析HTML，一些屬性值可以在它<或>。