如何使用正則表達式查找子字符串
[英]How to find a substring using regex
問題描述
我在抓取 1000 篇路透社文章后得到的字符串如下所示：
<TEXT>
<TITLE>IF DOLLAR FOLLOWS WALL STREET JAPANESE WILL DIVEST</TITLE>
<AUTHOR> By Yoshiko Mori</AUTHOR>
<DATELINE> TOKYO, Oct 20 - </DATELINE><BODY>If the dollar goes the way of Wall Street,
Japanese will finally move out of dollar investments in a
serious way, Japan investment managers say.
REUTER
</BODY></TEXT>
我想從這個字符串中提取標題、作者、日期和正文。 為此，我有以下正則表達式，但不幸的是，它不適用於正文部分。
try:
body=re.search('<BODY>(.)</BODY>',example_txt).group(1)
except:
body='NA'
這個 try-except 總是為 body 返回NA但適用於 title、author 和 dateline。 知道為什么嗎？
謝謝！
1 個解決方案
解決方案1
3 已采納 2021-11-15 04:29:41
使用re.DOTALL以便. 也匹配換行符。
關於。 淘寶
制作
'.'特殊字符完全匹配任何字符，包括換行符； 沒有這個標志，'.'將匹配除換行符以外的任何內容。
您還需要*來匹配多個字符，而? 用於非貪婪匹配。
最后，我有一個預感，不太推薦try這里。 您可以改為檢查來自re.search的匹配對象是否為None 。
import re
example_txt = '''<TEXT>
<TITLE>IF DOLLAR FOLLOWS WALL STREET JAPANESE WILL DIVEST</TITLE>
<AUTHOR> By Yoshiko Mori</AUTHOR>
<DATELINE> TOKYO, Oct 20 - </DATELINE><BODY>If the dollar goes the way of Wall Street,
Japanese will finally move out of dollar investments in a
serious way, Japan investment managers say.
REUTER
</BODY></TEXT>'''
m = re.search(r'<BODY>(.*?)</BODY>', example_txt, flags=re.DOTALL)
body = m.group(1) if m else 'NA'
print(body)
輸出：
Japanese will finally move out of dollar investments in a
serious way, Japan investment managers say.
REUTER

使用正則表達式查找 substring
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.