遇到了一个小虫，特记录之。

1.正则表达式及英文的处理如下：

>>> import re>>> b='adfasdfasf<1safadsaf>23wfsa<13131>'>>> pat = re.compile('<.*?>')>>> pat.findall(b)['<1safadsaf>', '<13131>']

　

2. 换成中文貌似就没反应了

>>> msg="
     
      ">>> pat.findall(msg)[]
     

仔细分析了下貌似因为其中的\n字符！

甚为不解，又try了一把：

>>> msg ='<\r>asdasf
     
      '>>> pat.findall(msg)['<\r>', '
      
       ']>>> msg='<\n>adf
       
        '>>> pat.findall(msg)['
        
         ']>>> msg='<\s>adaf
         
          '>>> pat.findall(msg)['<\\s>', '
          
           ']>>> msg='<\n>asdfasf
           
            '>>> pat.findall(msg)['
            
             ']
            
           
          
         
        
       
      
     

确实点号无法匹配特殊字符'\n'!

在找到了说明。

 

.	匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用象 '[.\n]' 的模式。

 

 

 

3.[.\n]的尴尬情况

>>> pat= re.compile('<[.\n]*?>')>>> pat.findall(msg)['<\n>']

>>> msg'<\n>asdfasf
     
      '
     

>>> msg='<\nasdfs>adaf
     
      '>>> pat.findall(msg)[]
     

　

谷歌了一番，找到了答案，在。即加入DOTALL选项。如下：

>>> pat = re.compile('<.*?>',re.DOTALL)>>> pat.findall(msg)['<\nasdfs>', '
     
      ']