[python] Greedy regexp

[David Rohleder]

Vasco píše v Čt 25. 02. 2010 v 21:38 +0100:
> Zdravím,
> 
> zrovna se hraju v Pythonu s regexp a narazil jsem na menší zádrhel. Mám
> následující řetězec:
> 
> "<a>One <a>Two</a> Three</a> <a>Four</a>"
> 
> A následující regexp:
> 
> "<(?P<name>\w+)>(?P<text>.*?)</(?P=name)>"
> 
> Když to proženu přes 'search', dostanu pro první nalezený výraz tohle:
> 
> "One <a>Two"
> 
> Ale očekával bych spíše:
> 
> "One <a>Two</a> Three"
> 
> Naopak, pokud upravím regexp na:
> 
> "<(?P<name>\w+)>(?P<text>.*)</(?P=name)>"
> 
> Tedy vynechám otazník. Výraz .* pak bere vše, co mu přijde do cesty,
> takže výsledek metody 'search' je:
> 
> "One <a>Two</a> Three</a> <a>Four"
> 
> Takže to také není to pravé ořechové. Rád bych to vyřešil nějak
> elegantně, nejlépe pomocí regexp (když už se je teda učím :) ), ale
> zatím jsem nenarazil na nic funkčního. Dá se podobný problém vůbec řešit
> čistě pomocí regularnich výrazů, nebo ne?
> 
> Btw. k testování reg. výrazů používám prográmek
> http://kodos.sourceforge.net Rozhodně můžu doporučit.
> 


http://docs.python.org/library/re.html#re-syntax

*?, +?, ??
        The '*', '+', and '?' qualifiers are all greedy; they match as
        much text as possible. Sometimes this behaviour isn’t desired;
        if the RE <.*> is matched against '<H1>title</H1>', it will
        match the entire string, and not just '<H1>'. Adding '?' after
        the qualifier makes it perform the match in non-greedy or
        minimal fashion; as few characters as possible will be matched.
        Using .*? in the previous expression will match only '<H1>'.


> S pozdravem,
> Vlastimil S.
> _______________________________________________
> Python mailing list
> Python na py.cz
> http://www.py.cz/mailman/listinfo/python