[\s\D]* 匹配换行和空格
今天想使用正则表达式来获取一段文本中的任意字符。
于是很随意得就写出如下匹配规则: (.*) 结果运行之后才发现,无法获得换行之后的文本。
于是查了一下手册,才发现正则表达式中,“.”(点符号)匹配的是除了换行符“\n”以外的所有字符。同时,手册上还有一句话:要匹配包括 '\n' 在内的任何字符,请使用像 '[.\n]' 的模式。
于是我将正则表达式的匹配规则修改如下: ([.\n]*),当然,如果是在C#程序中直接写到话,需要改为([.\\n]*) 结果再次运行程序,发现什么内容也取不到了。
我百思不得其解,又将其修改为如下规则: ([.|\n]*) 以及 (\n.]*) 结果还是不行,什么内容都取不到。看来点符号和换行符卯上劲了~ 然后上网一查,虽然没有查出上述规则到底是什么地方出问题了,但是查出了一个解决办法,经过一试,果然可以匹配包括换行符在内的任意字符,以下为正确的正则表达式匹配规则: ([\s\S]*) 同时,也可以用 “([\d\D]*)”、“([\w\W]*)” 来表示。
([\s\S]*?) 加上问号 表示最短匹配
<h2>俗人1个</h2>
</a>
</div>
<div class="content">
小时候发生最离奇的一场车祸,我坐同学自行车,他带着我和对面骑自行车撞在了一起,我倒地下了,他却坐在了对面自行车的龙头上,还搂着人家的脖子
</div>
#coding=utf8
'''
Created on 2016年7月16日
@author: root
'''
import re
f=open('E:\\qiushibaike\\03\\page_1.html','r')
html=f.read()
p1=re.compile("<h2>.*</h2>")
m1=re.findall(p1,html)
p2=re.compile('<div class="content">[\s\S]*?</div>')
m2=re.findall(p2,html)
if m1:
for i in m1:
print i
if m2:
for i in m2:
print i