尝试匹配此正则表达式

Question

我一直试图匹配此正则表达式无济于事。 我需要做的是一个非贪婪匹配，在这种情况下，它将使最新数字与特定单词匹配：下一个：

这是文本：

<a href="/forum/view-forum/standard-trading-shops/page/1">Prev</a>
<a href="/forum/view-forum/standard-trading-shops/page/1">1</a>
<a class="current" href="/forum/view-forum/standard-trading-shops/page/2">2</a>
<a href="/forum/view-forum/standard-trading-shops/page/3">3</a>
<a href="/forum/view-forum/standard-trading-shops/page/4">4</a>
<span class="separator">...</span><a href="/forum/view-forum/standard-trading-shops/page/3029">3029</a>
<a href="/forum/view-forum/standard-trading-shops/page/3030">3030</a>
<a href="/forum/view-forum/standard-trading-shops/page/3">Next</a>

我需要找到3030作为我的答案，从广义上讲是最高的数字。

我累了要做什么：

(/d)+.*?Next

但是，这始终与（1）第二行的第一个数字匹配，而不是最高的数字3030。根据我的理解， .*? 进行非贪心匹配，该匹配应匹配最新匹配项。

谁能帮我？ 谢谢M

Answer 1

^[\s\S]*>(\d+)<

您可以尝试使用此方法。与group 1或capture 1 。请参阅演示。

https://regex101.com/r/sJ9gM7/28

在这里，您要进行一个greedy match直到一个number 。所以这将在><之间最后一次出现的数字处停止。 . 默认情况下不会匹配换行符，因此可以使用DOTALL或[\\s\\S] 。

Answer 2

用正则表达式解析HTML通常是不明智的。 该网站解释了原因，并为您提供了所有主要语言的更好选择。

您尚未指定要使用的语言，但是此正则表达式在大多数情况下都适用：

(\d+)(?:<[^>]+>[^<]*){2}Next

Debuggex演示

该数字将在第一个捕获组中。 有效我说后的数目应该{2}的实例<不在然后任何字符>直到>和任选的一些字符是不<直到下一个实例。 在<something>这两个实例之后应该是单词Next 。

Answer 3

使用BeautifulSoup是解析HTML的首选方法。

s = """<a href="/forum/view-forum/standard-trading-shops/page/1">Prev</a>
<a href="/forum/view-forum/standard-trading-shops/page/1">1</a>
<a class="current" href="/forum/view-forum/standard-trading-shops/page/2">2</a>
<a href="/forum/view-forum/standard-trading-shops/page/3">3</a>
<a href="/forum/view-forum/standard-trading-shops/page/4">4</a>
<span class="separator">...</span><a href="/forum/view-forum/standard-trading-shops/page/3029">3029</a>
<a href="/forum/view-forum/standard-trading-shops/page/3030">3030</a>
<a href="/forum/view-forum/standard-trading-shops/page/3">Next</a>"""

from bs4 import BeautifulSoup

soup = BeautifulSoup(s)
text = soup.text.splitlines()
index = text.index('Next')
result = text[index-1]

>>> print result
3030

不像正则表达式那样优雅，但这是正确的方法。