求助：为何re.findall仅返回最后一组匹配结果？

你的正则表达式只匹配到最后一组结果，核心问题出在**贪婪模式的.***上，具体原因和修复方法如下：

为什么只匹配到最后一组？ #

你的正则是：

re.findall(r'<td.*>(\d\d:\d\d)</td><td.*>(.*?)</td>', HTML)

其中<td.*>里的.*是贪婪匹配，它会尽可能多地匹配字符，直到后面的模式（(\d\d:\d\d)</td>...）能找到匹配项。在你的HTML字符串中，正则引擎会跳过第一个时间戳10:10，直接匹配到最后一个时间戳10:30所在的<td>标签——因为这样能让.*匹配最多的内容，最终只捕获到最后一组结果。

修复正则表达式 #

把贪婪的.*改成非贪婪的.*?，让它匹配到第一个>就停止，这样就能正确识别每一组的<td>标签；同时加上\s*匹配标签间的空白字符，让正则更鲁棒：

re.findall(r'<td.*?>(\d\d:\d\d)</td>\s*<td.*?>(.*?)</td>', HTML)

测试后你会得到预期的两组结果：

[('10:10', 'This is a description.'), ('10:30', 'This is another description.')]

额外建议：避免用正则处理HTML #

正则并不适合解析HTML这类结构化文档——一旦HTML结构有微小变化（比如新增属性、换行、空格），正则就可能失效。更可靠的方式是用专门的HTML解析库，比如BeautifulSoup：

from bs4 import BeautifulSoup

soup = BeautifulSoup(HTML, 'html.parser')
results = []
for tr in soup.find_all('tr'):
    tds = tr.find_all('td')
    if len(tds) == 2:
        time = tds[0].get_text(strip=True)
        desc = tds[1].get_text(strip=True)
        results.append((time, desc))

这种方法能轻松应对各种HTML结构变化，维护性更强。

内容的提问来源于stack exchange，提问作者scuzzi