英语HTML代码常用量词m,n}出现次数没有上限

表2-2 常用量词

常用量词

{m,n} 等价形式

阐明

{0,}

它可能会出现，也可能不会出现。 出现次数没有上限。

{1,}

至少出现一次，出现次数没有上限

{0,1}

最多出现一次，也可能根本不出现

在实际应用中，很多情况下只需要表达这三种含义，因此常用量词的使用频率高于{m，n}，下面对此进行解释。

众所周知，有些单词在美式英语和英式英语中的写法不同，例如and。 如果要“全取”，则需要第二个l出现“最多出现一次，或者最多不出现”，这就正好了。 使用量词：er，如例 2-4 所示。

例2-4 量词的应用？

re.search(r"^travell?er$", "traveler") != None  #  => True  
re.search(r"^travell?er$", "traveller") != None #  => True  

其实这样的情况还有很多，比如最爱和颜色之和。 除此之外，还有很多其他的应用场景，比如http、https等。 虽然是两个概念，但都是协议名，可以和https?匹配； 另一个例子是表示价格的字符串，可以是 100 或 ￥100。 用￥?100来匹配。

量词也广泛用于解析 HTML 代码。 HTML是一种“标签语言”，其中包含各种标签（tags），例如，

这些标签的名称不同，但形式是相同的：从末尾开始，中间有多个字符。 “几个”表示长度不确定，但不能为0（不是合法标签），也不能为>字符。 如果想用正则表达式匹配所有标签，就需要用[^>]+来匹配中间的“几个字符”，所以整个正则表达式就是]+>。 程序如例2-5所示。

例2-5 量词+的应用

re.search(r"^<[^>]+>$", "") != None       #  => True  
re.search(r"^<[^>]+>$", "") != None     #  => True  
re.search(r"^<[^>]+>$", "<>") != None           #  => False  

同样，您也可以使用正则表达式来匹配双引号字符串。 不同之处在于双引号字符串中两个双引号之间不能有任何字符。 "" 也是一个完全合法的双引号字符串。 应使用量词*，这样整个正则表达式就变成“[^”] *”，过程见例2-6。

例2-6 量词*的应用

re.search(r"^\"[^\"]*\"$", "\"some\"") != None  #  => True  
re.search(r"^\"[^\"]*\"$", "\"\"") != None      #  => True

注意：字符串中的双引号需要转义，写为\"。这在正则表达式中不是要求，但考虑到字符串转义。

量词的使用有很多学问。 不妨再看几个标签匹配的例子：标签大致可以分为开放标签和关闭标签，比如开放标签和关闭标签； 另一种类型的标签是自标签，例如

。 现在我们来看看分别匹配这三类标签的正则表达式。

开放标签的特征是 ，所以对应的正则表达式为]*>; 注意：因为[^/]必须匹配一个字符，所以“几个字符”的其他部分必须写成[^>]*，否则无法匹配单字符名称的标签，例如 。

关闭标签的特点是，所以对应的正则表达式为]+>;

自标记的特点是 ，所以对应的正则表达式是]+/>。注意：这不是/]+/>。 排除字符组只排除>，不排除/，因为需要确认的只是结尾>之前是否出现/。 如果写成/]+/>，则要求不能出现在标签内部。 /，无法匹配

这种类型的标签。

表 2-3 列出了匹配多种类型标签的表达式。

表2-3 各种标签的搭配

匹配所有标签的表达式

标签分类

表达匹配分类标签

]+>

开放标签

][^>]*>

关闭标签

]+>

自标记

/]+/>

对比表中“匹配所有标签的表情”和“匹配分类标签的表情”，我们可以发现它们的模式相似，但细节上有差异。 也就是说量词有哪些，通过改变字符组和量词，可以精确控制正则表达式可以匹配的字符串范围，从而达到不同的目的。 这实际上是使用正则表达式时的一个基本规则：使用适当的结构（包括字符组和量词）来准确表达您的意图并定义匹配文本。

如果你仔细观察，可能会发现匹配开放标签的表达式也可以匹配自标签：]*>可以匹配

，因为 [^>]* 不排除 / 的匹配。 然后将表达式更改为]*[^/]>，以确保匹配的开放标记不会以/>结尾。

然而，这会带来新的问题：]*[^/]>可以匹配的标签之间有两个[^/]。 上一章提到，独占字符组的意思是“在当前位置，匹配一个未列出的字符”，因此标签中的字符串必须至少包含两个字符，因此无法匹配。

仔细想想，你真正想要表达的是标签内的字符串不能以/开头或以/结尾。 如果字符串仅包含一个字符，则它既是开头又是结尾。 使用两个排除项。 类型字符组显然不合适，而且似乎没有办法解决。 事实上，现有的知识不足以解决这个问题。 第 68 页有此问题的详细解决方案。