Python 正则表达式匹配任何内容

Question

我的正则表达式对字符串没有任何作用。

Python

data = 'random\n<article stuff\n</article>random stuff'
datareg = re.sub(r'.*<article(.*)</article>.*', r'<article\1</article>', data, flags=re.MULTILINE)
print datareg

我明白了

random
<article stuff
</article>random stuff

i want

<article stuff
</article>

- user1442957

---

啊，拜托了：又是Cthulhu Parsing。 - pillmuncher

@pillmuncher：看起来像是格式不正确的HTML，所以我怀疑HTML解析器很难处理它。 - Blender

@Blender：我认为你是对的。但是替换似乎也不是有效的XML。我想知道，人们需要破损的XML有什么用？ - pillmuncher

Answer 1

re.MULTILINE并不能按照你想要的方式使你的正则表达式跨行匹配。

当指定该标志时，模式字符'^'会匹配字符串的开头和每一行的开头（紧接着每个换行符）；模式字符'$'会匹配字符串的末尾和每一行的末尾（紧接着每个换行符之前）。默认情况下，'^'只匹配字符串的开头，而'$'仅匹配字符串的末尾和紧随字符串末尾的换行符（如果有）之前。

re.DOTALL可以：

将'.'特殊字符匹配任何字符，包括换行符；如果没有此标志，则'.'将匹配除换行符外的任何字符。

将flags=re.MULTILINE更改为flags=re.DOTALL，即可使你的正则表达式正常工作。

- Blender