在python正则表达式中匹配多行
[英]matching multiple line in python regular expression
问题描述
我想从html页面中提取<tr>标签之间的数据。 我使用了以下代码。但我没有得到任何结果。 <tr>标签之间的html是多行的
category =re.findall('<tr>(.*?)</tr>',data);
请建议修复此问题。
5 个解决方案
解决方案1
17 已采纳
只是为了解决这个问题。 尽管与re.M有这些联系， re.M它在这里不起作用，因为它的解释会简单地略读。 你需要re.S ，如果你不想尝试解析html，当然：
>>> doc = """<table border="1">
<tr>
<td>row 1, cell 1</td>
<td>row 1, cell 2</td>
</tr>
<tr>
<td>row 2, cell 1</td>
<td>row 2, cell 2</td>
</tr>
</table>"""
>>> re.findall('<tr>(.*?)</tr>', doc, re.S)
['\n <td>row 1, cell 1</td>\n <td>row 1, cell 2</td>\n ',
'\n <td>row 2, cell 1</td>\n <td>row 2, cell 2</td>\n ']
>>> re.findall('<tr>(.*?)</tr>', doc, re.M)
[]
解决方案2
5 2010-02-04 12:36:33
不要使用正则表达式，使用HTML解析器，如BeautifulSoup ：
html = '<html><body>foo<tr>bar</tr>baz<tr>qux</tr></body></html>'
import BeautifulSoup
soup = BeautifulSoup.BeautifulSoup(html)
print soup.findAll("tr")
结果：
[<tr>bar</tr>, <tr>qux</tr>]
如果你只想要内容，没有tr标签：
for tr in soup.findAll("tr"):
print tr.contents
结果：
bar
qux
使用HTML解析器并不像听起来那么可怕！ 并且它将比将在此处发布的任何正则表达式更可靠地工作。
解决方案3
2 2010-02-04 12:24:20
不要使用正则表达式来解析HTML。 使用HTML解析器，例如lxml或BeautifulSoup 。
解决方案4
2 2010-02-04 12:33:48
pat=re.compile('<tr>(.*?)</tr>',re.DOTALL|re.M)
print pat.findall(data)
或非正则表达方式，
for item in data.split("</tr>"):
if "<tr>" in item:
print item[item.find("<tr>")+len("<tr>"):]
解决方案5
0 2010-02-04 12:45:54
正如其他人所说，通过允许使用re.MULTILINE进行多行匹配 ，可以解决您遇到的具体问题
但是， 你正在寻找一个使用正则表达式解析HTML的危险补丁 。 使用XML / HTML解析器， BeautifulSoup非常适合这个！
doc = """<table border="1">
<tr>
<td>row 1, cell 1</td>
<td>row 1, cell 2</td>
</tr>
<tr>
<td>row 2, cell 1</td>
<td>row 2, cell 2</td>
</tr>
</table>"""
from BeautifulSoup import BeautifulSoup
soup = BeautifulSoup(doc)
all_trs = soup.findAll("tr")
如何处理Python正则表达式匹配中的多行模式
[英]How to handle the multiple-line pattern in Python regular expression matching
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.