从html片段提取文本：匹配多行的挑战
使用正则表达式从HTML片段中提取文本时，有时我们会遇到这样的问题：匹配值可能是多行的，但只能捕获到最后一行。导致这一问题的根源是什么呢？
具体来说，问题在于所使用的正则表达式包含一个模式，该模式以 (+) 量词结尾。这个量词表示该模式可以重复出现一次或多次。当该模式用于匹配多行文本时，它将匹配所有行并捕获最后匹配行的值。
为了解决这个问题，可以考虑以下建议：
- 避免使用正则表达式匹配HTML：HTML是一种结构化文本格式，使用正则表达式解析它效率低下且容易出错。考虑使用现成的dom树解析工具，例如beautifulsoup或lxml。
- 主动分解匹配值：如果无法避免使用正则表达式，请确保中间捕获组中()内部不含(+)量词。这样，匹配值将以列表或元组的形式返回，需要自行将它们分解成单独的行。
