Python re.findall
[英]Python re.findall
问题描述
我正在尝试检索包含“名称”字段的所有标签，然后将整个句子加上名称。 这是我的测试代码：
sourceCode = '<dirtfields name="one" value="stuff">\n<gibberish name="two"\nwewt>'
namesGroup = re.findall('<.*name="(.*?)".*>', sourceCode, re.IGNORECASE | re.DOTALL)
for name in namesGroup:
print name
哪个输出是：
two
我试图寻找的输出将是
['<dirtfields name="one" value="stuff">', 'one']
['<gibberish name="two"\nwewt>', 'two']
编辑：找到了一种方法，这要感谢doublesharp提供了更清晰的方法来获得“名称”值。
namesGroup = re.findall(r'(<.*?name="([^"]*)".*?>)', sourceCode, re.IGNORECASE | re.DOTALL)
将输出：
('<dirtfields name="one" value="stuff">', 'one')
('<gibberish name="two"\nwewt>', 'two')
4 个解决方案
解决方案1
3 已采纳 2013-11-16 15:38:19
您的正则表达式有点不对头-您匹配得太多了（一直到最后一个> ）。 由于只需要在name=之后双引号之间的值，请使用以下模式：
name="([^"]*)"
-
name="与您要查找的属性的第一部分匹配 -
([^"]*)根据不是双引号的任何字符创建分组匹配 -
"与名称属性值后的双引号匹配。
而且您的代码看起来像这样（在您的模式之前包含r是一个很好的形式）：
namesGroup = re.findall(r'name="([^"]*)"', sourceCode, re.IGNORECASE)
解决方案2
3 2013-11-16 15:46:53
显然，您正在处理HTML或XML文件，并正在寻找某些特定属性的值。
如果您继续使用正则表达式而不是合法的文本解析器，则会产生方向错误。
就像BeautifulSoup4一样，这是我最喜欢的一个，下面是一个非常简短的使用方法示例：
from bs4 import BeautifulSoup
sourceCode = '<dirtfields name="one" value="stuff">\n<gibberish name="two"\nwewt>'
soup = BeautifulSoup(sourceCode)
print soup.prettify()
print '------------------------'
for tag in soup.find_all():
if tag.has_key('name'):
print tag, tag['name']
现在的输出看起来有些丑陋（输出甚至是错误的），但这显示出beautifulsoup将如何自动修复损坏的html并轻松找到所需的属性。
<html>
<body>
<dirtfields name="one" value="stuff">
<gibberish name="two" wewt="">
</gibberish>
</dirtfields>
</body>
</html>
------------------------
<dirtfields name="one" value="stuff">
<gibberish name="two" wewt=""></gibberish></dirtfields> one
<gibberish name="two" wewt=""></gibberish> two
将Beautifulsoup添加到您最喜欢的Stackoverflow标签中，您会惊讶的是它有多好，并且有一个功能强大的工具与您做着同样的事情！
解决方案3
2 2013-11-16 15:52:43
(?<=name=")[^"]*
如果您只想匹配名称而没有捕获组，则可以使用：
re.findall(r'(?<=name=")[^"]*', sourceCode, re.IGNORECASE )
输出： ['one', 'two']
当然，捕获组是一个同样可以接受的解决方案。
解决方案4
0 2013-11-16 16:06:00
这种模式允许值中包含转义的引号，并避免（出于性能原因）惰性量词。 这就是为什么它有点长但更防水的原因：
myreg = re.compile(r"""
< (?: [^n>]+ | \Bn | n(?!ame\s*=) )+ # begining of the tag
# until the name attribute
name \s* = \s* ["']? # attribute until the value
( (?: [^\s\\"']+ | \\{2} | \\. )* ) # value
[^>]*> # end of the tag
""", re.X | re.I | re.S)
namesGroup = myreg.findall(sourceCode)
但是，对于您的情况，使用BS4是一个不错的解决方案。
带有*和**的Python re.findall
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.