两个字符串之间的正则表达式匹配？

Question

我似乎找不到一种方法来提取所有注释，就像以下示例中的那样。

>>> import re
>>> string = '''
... <!-- one 
... -->
... <!-- two -- -- -->
... <!-- three -->
... '''
>>> m = re.findall ( '<!--([^\(-->)]+)-->', string, re.MULTILINE)
>>> m
[' one \n', ' three ']

由于正则表达式有误，two -- --所在的代码块不匹配。请问有哪位能够指导我如何提取两个字符串之间的内容。

---

大家在评论区提供的建议，我已经测试过了……现在这里是一个可行的解决方案，稍作升级。

>>> m = re.findall ( '<!--(.*?)-->', string, re.MULTILINE)
>>> m
[' two -- -- ', ' three ']
>>> m = re.findall ( '<!--(.*\n?)-->', string, re.MULTILINE)
>>> m
[' one \n', ' two -- -- ', ' three ']

谢谢！

- Hrvoje Špoljar

---

任何在 [] 中的内容都代表一个单独的字符，因此 (-->) 不应作为一组来查找，这是问题的一部分。 - Joran Beasley

re.findall('<!--(.*?)-->', string, re.DOTALL) 就可以了。这里不需要 ^\(-->)，因为问号使其非贪婪匹配。 - BrtH

你似乎只是在寻找这些单词？如果是这样，那么 m = re.findall('[\w]+', string, re.MULTILINE) 有什么问题吗？另外，string 是一个非常糟糕的名称，用于表示字符串。 - Ben

Answer 1

这应该能解决问题。

 m = re.findall ( '<!--(.*?)-->', string, re.DOTALL)

- iruvar

---

如果有人想知道，“re.DOTALL”标志使点（.）匹配任何字符，包括换行符。 (.?)捕获括号内的文本，.?表示“非贪婪”版本的.*（即捕获最短的可能匹配）。 - Niko Pasanen

如果<!--和-->应该是结果列表项的一部分，则应删除捕获括号- re.findall('<！-.*？->'，string，re.DOTALL)。 - Wiktor Stribiżew

Answer 2

一般情况下，使用正则语法无法在两个定界符之间进行任意匹配。

具体而言，如果允许嵌套，则

<!-- how do you deal <!-- with nested --> comments? -->

你可能会遇到问题。因此，虽然您可以使用正则表达式解决此特定问题，但是您编写的任何正则表达式都可以被某些奇怪的注释嵌套打破。

要解析任意注释，您需要转向解析无上下文语法的方法。一个简单的方法是使用推入自动机。

- Wilduck

---

我认为嵌套评论并不是很常见。如果其中的任何内容都被处理，那么这有点违背了评论的目的吧？ - Anuj Gupta

看起来它们在HTML中是不可能的。https://dev59.com/CHRB5IYBdhLWcg3w-8Po 我会把这个留在这里，因为我认为这很重要，但我不指望得到任何赞同。 - Wilduck

有限状态机无法解析上下文无关文法 - 您可以使用下推自动机。 - James Thiele

@JamesThiele 啊啊啊，当然。我已经编辑了答案以反映这一点。 - Wilduck