Python w +仅匹配单词的一个字符

Question

我有这个正则表达式

<TAG>foo</TAG>[\s"\w]*\(born[\s<>\w/,]*(\w+)

而这段文字

word word</TAG> "word" <TAG>foo</TAG> (born <TAG>words</TAG>, August 19, 1900

但是，所说的正则表达式仅匹配1900年的0的最后一个字符。换句话说，从“单词”一直到1900年都有一个匹配项，但是仅捕获了最后一个0。

为什么会这样呢？

Answer 1

使用[\\s<>\\w/,]*(\\w+) ， [\\s<>\\w/,]*将吞噬所有内容，并留下足够的字符以供(\\w+)匹配（这是最后一个字符）。 这说明了您得到的。

如果您想获得1900 ，则可以进行一些小的修改：

<TAG>foo</TAG>[\s"\w]*\(born[\s<>\w/,]*\b(\w+)
                                       ^^

\\b匹配一个单词边界，并强制(\\w+)匹配的最后一个字 ¹ -因为有一个字内没有字的边界。

_{¹ “单词”是由\\w定义的一个或多个字符的序列。 根据模式， \\w可能仅包含ASCII字符，也可能包含Unicode字符。}

Answer 2

[\\s<>\\w/,]*正在吞噬您文本中的所有内容。 如果其始终固定为四位数，则可以使用\\d\\d\\d\\d或\\d{4}或者如果坚持使用\\ w，则可以使用\\w{4}或\\w\\w\\w\\w 。

我说的是从头开始替换(\\w+) 。 这意味着至少一个或多个。