REG-EX解释

Question

wiki_page = urlopen('http://en.wikipedia.org/wiki/superman') 
html_code = wiki_page.read() 
headline = findall ('<h1.*><span.*>(.+)</span></h1>', html_code) 

所以我想要一个解释，为什么这个例子的代码吐出一句话“超人”，而不是从头到尾一切从的findAll查询开始：

为例如，这是找到所有的代码，下方和它自动输出其结果：

<h1 id="firstHeading" class="firstHeading" lang="en"> 
    <span dir="auto"> 
     Superman 
    </span> 
</h1> 

Answer 1

由于re.findall函数试图第一吐出捕获组内的字符。如果没有捕捉组存在，那么只有它吐出匹配的字符串。

从正则表达式中移除捕获组以显示匹配的字符串。

<h1.*><span.*>.+?</span></h1>