烦人的正则表达式（六）

运用正则表达式提取文本替换文本的应用场景非常多，如果不想多绕弯路，就需要多多了解一下正则表达式了。

我觉得前面学习了这么多正则表达式的规则，到现在语法应该掌握的差不多了，需要的是多多练习。

提取网页信息

一个网页总是包含许多标签，这些标签方便程序员把不同的内容归类，我们也可以根据这些规则写相应的正则表达式进行匹配提取。

先根据这规则编写正则表达式：

这语句应该很容易能看懂（不懂的应该把我前面写的系列文章再稍稍复习一下）。然后把这语句规则写入方法里。

我用python3演示一下：

好棒啊，能抓取到东西了，但仔细一看，怎么获取到满屏的代码...似乎抓到一个就行了。理论上获取到的第一个>就可以与前面闭合上了，但这里给匹配上了网页源代码中的最后一个>。

怎么解决这种情况呢，匹配到一次就给返回。这里要介绍新知识了，像我们想要的匹配成功一次就返回的匹配模式称为非贪婪模式，而一直匹配到最后一个再停止的模式称为贪婪模式。

设置起来也很简单：

可能一眼很难看出来改了哪里，我只在*后面加了?，然后就能达到我想要的效果。

关于贪婪与非贪婪

这也是正则表达式中常用的点，但我之前忘记讲了，现在讲我也没多少精力（偷懒）。所以我引用网上的详细的教程（侵删）：

https://blog.csdn.net/lxcnn/article/details/4756030