嘗試匹配此正則表達式

Question

我一直試圖匹配此正則表達式無濟於事。 我需要做的是一個非貪婪匹配，在這種情況下，它將使最新數字與特定單詞匹配：下一個：

這是文本：

<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作為我的答案，從廣義上講是最高的數字。

我累了要做什么：

(/d)+.*?Next

但是，這始終與（1）第二行的第一個數字匹配，而不是最高的數字3030。根據我的理解， .*? 進行非貪心匹配，該匹配應匹配最新匹配項。

誰能幫我？ 謝謝M

Answer 1

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

您可以嘗試使用此方法。與group 1或capture 1 。請參閱演示。

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

在這里，您要進行一個greedy match直到一個number 。所以這將在><之間最后一次出現的數字處停止。 . 默認情況下不會匹配換行符，因此可以使用DOTALL或[\\s\\S] 。

Answer 2

用正則表達式解析HTML通常是不明智的。 該網站解釋了原因，並為您提供了所有主要語言的更好選擇。

您尚未指定要使用的語言，但是此正則表達式在大多數情況下都適用：

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

Debuggex演示

該數字將在第一個捕獲組中。 有效我說后的數目應該{2}的實例<不在然后任何字符>直到>和任選的一些字符是不<直到下一個實例。 在<something>這兩個實例之后應該是單詞Next 。

Answer 3

使用BeautifulSoup是解析HTML的首選方法。

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

不像正則表達式那樣優雅，但這是正確的方法。