re.searchの書き方について、下記コードの理解の仕方を教えていただければ幸いです。

Question

下記HTMLについて

--text----------------

<section class="post-content" itemprop="text"> <div id="toi"><strong>【問題】</strong><br/> ・・・ </div> <div id="kaitou"> ・・・ </div> ・・・ <h3>・・・</h3> ・・・ <section>

---

■取り出したい部分（<<section class="post-content" itemprop="text">以降<h3>の前までの下記部分）

---

<div id="toi"><strong>【問題】</strong><br/> ・・・ </div> <div id="kaitou"> ・・・ </div> ・・・

---

■正しいコード

---

import re

m = re.search(r'<section.+?>(.+?)<h3>.?</h3>.?</section>', text, re.S)
matched = m.group(1).strip()

print(matched)

---

■調べた内容

①「+」や「?」は貧欲マッチだから、<section.+?>の部分は、
「class="post-content" itemprop="text"」をとってくる

②.（ドット）は、切り取る部分？

上記までしか分からない状況です。

■上記コードの理解の仕方を教えていただければ幸いです。

Answer 1

そこんところの文字列は、正規表現という一種のスクリプトとなってます
.+*?や()の文字は特別な意味を持ちます

サルにもわかる正規表現入門

Comments

[onodesu]

ありがとうございます！

下記ページも参考にしました。

https://www.geisya.or.jp/~mwm48961/programming/python_regexp.htm

①
.*?　→　最短マッチということで

下記部分は理解できました！
<h3>.*?</h3>.*?</section>

②
「.+?」がまだ理解できないです。

.は、とにかくなんでもいい１文字

+は、最低でも１個は + の直前の文字がないといけなくて、直前の文字の繰り返し

？は、直前の文字がまったくないか、１つだけある

下記ページには「+?」は、直前のパターンの1回以上連続と書いてありますが

そうすると「.+?」

は、文字数はどれだけでもよくでも、どんな文字でも入ってもいい？ということでしょうか？
例えば「sinesirke sosi sorkr」というような文字でもOKという意味でしょうか？

そうすると「.*?」との違いも分からず、理解できていない状況です。

③
(.+?)について

なぜ、ここだけ(カッコ)があるのか？

初学者なので、教えていただければ幸いです。

[y_waiwai]

あなたが提示したリンクのグルーピングって項目に説明がありますね

[y_waiwai]

あとここ
https://detail.chiebukuro.yahoo.co.jp/qa/question_detail/q14104898919

[onodesu]

ありがとうございます！

（）の部分がグルーピングされることが分かりました！

ただ、まだ、「.+?」や「.*?」が分からない状況です。

申し訳ございません。。。

[onodesu]

色々教えていただきありがとうございました！