python 正则表达式点号与' '符号的问题

遇到了一个小虫，特记录之。

1.正则表达式及英文的处理如下：

>>> import re
>>> b='adfasdfasf<1safadsaf>23wfsa<13131>'
>>> pat = re.compile('<.*?>')
>>> pat.findall(b)
['<1safadsaf>', '<13131>']

　

2. 换成中文貌似就没反应了

>>> msg="<Fault warning -- xb4xedxcexf3!

xb2xfaxc6xb7xb1xe0xbaxc5xb1xd8xd0xe8xcexa8xd2xbb,xd0xc2xb1xe0xbaxc53123xb6xd4xd3xa6xb5xc4xb2xfaxc6xb7xd2xd1xbexadxb4xe6xd4xda!
xc8xe7xb9xfbxc4xfaxcaxd4xcdxbcxcdxa8xb9xfdxb8xb4xd6xc6xc0xb4xc9xfdxbcxb6xb2xfaxc6xb7xd4xf2xcbxb5xc3xf7xb4xcbxb2xfaxc6xb7xd2xd1xbexadxb4xe6xd4xdaxc9xfdxbcxb6xb0xe6xa3xacxc7xebxc1xf4xd2xe2xa1xa3: ''>"
>>> pat.findall(msg)
[]

仔细分析了下貌似因为其中的 字符！

甚为不解，又try了一把：

>>> msg ='<
>asdasf<asdfaf>'
>>> pat.findall(msg)
['<
>', '<asdfaf>']
>>> msg='<
>adf<afd>'
>>> pat.findall(msg)
['<afd>']
>>> msg='<s>adaf<asdfa>'
>>> pat.findall(msg)
['<\s>', '<asdfa>']
>>> msg='<
>asdfasf<asfa>'
>>> pat.findall(msg)
['<asfa>']

确实点号无法匹配特殊字符' '!

在这里找到了说明。

.	匹配除 " " 之外的任何单个字符。要匹配包括 ' ' 在内的任何字符，请使用象 '[. ]' 的模式。

3.[. ]的尴尬情况

>>> pat= re.compile('<[.
]*?>')
>>> pat.findall(msg)
['<
>']

>>> msg
'<
>asdfasf<asfa>'

>>> msg='<
asdfs>adaf<adaf>'
>>> pat.findall(msg)
[]

　

谷歌了一番，找到了答案，在这里。即加入DOTALL选项。如下：

>>> pat = re.compile('<.*?>',re.DOTALL)
>>> pat.findall(msg)
['<
asdfs>', '<adaf>']