Python正则表达式问题

Question

我正在尝试使用以下 Python 脚本从 WURFL XML 文件中提取所有手机屏幕分辨率。问题是我只得到了第一场比赛。为什么？我怎样才能获得所有匹配项？

WURFL XML 文件可在 http://sourceforge.net/projects/wurfl/files/WURFL/latest/wurfl-latest.zip/download?use_mirror=freefr 找到

def read_file(file_name):
    f = open(file_name, 'rb')
    data = f.read()
    f.close()
    return data

text = read_file('wurfl.xml')

import re
pattern = '<device id="(.*?)".*actual_device_root="true">.*<capability name="resolution_width" value="(\d+)"/>.*<capability name="resolution_height" value="(\d+)"/>.*</device>'
for m in re.findall(pattern, text, re.DOTALL):
    print(m)

Answer 1

首先，使用 XML 解析器而不是正则表达式。从长远来看，你会更快乐。

其次，如果您坚持使用正则表达式，请使用 finditer() 而不是 findall()。

第三，你的正则表达式从第一个条目到最后一个条目匹配(.*是贪婪的，并且你已经设置了DOTALL模式)，所以要么看到第一个段落或至少将您的正则表达式更改为

pattern = r'<device id="(.*?)".*?actual_device_root="true">.*?<capability name="resolution_width" value="(\d+)"/>.*?<capability name="resolution_height" value="(\d+)"/>.*?</device>'

此外，始终将原始字符串与正则表达式一起使用。 \d 恰好可以工作，但是 \b 在“正常”字符串中会出现意外的行为。