在python正則表達式中匹配多行
[英]matching multiple line in python regular expression
問題描述
我想從html頁面中提取<tr>標簽之間的數據。 我使用了以下代碼。但我沒有得到任何結果。 <tr>標簽之間的html是多行的
category =re.findall('<tr>(.*?)</tr>',data);
請建議修復此問題。
5 個解決方案
解決方案1
17 已采納
只是為了解決這個問題。 盡管與re.M有這些聯系， re.M它在這里不起作用，因為它的解釋會簡單地略讀。 你需要re.S ，如果你不想嘗試解析html，當然：
>>> 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)
[]
解決方案2
5 2010-02-04 12:36:33
不要使用正則表達式，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")
結果：
[<tr>bar</tr>, <tr>qux</tr>]
如果你只想要內容，沒有tr標簽：
for tr in soup.findAll("tr"):
print tr.contents
結果：
bar
qux
使用HTML解析器並不像聽起來那么可怕！ 並且它將比將在此處發布的任何正則表達式更可靠地工作。
解決方案3
2 2010-02-04 12:24:20
不要使用正則表達式來解析HTML。 使用HTML解析器，例如lxml或BeautifulSoup 。
解決方案4
2 2010-02-04 12:33:48
pat=re.compile('<tr>(.*?)</tr>',re.DOTALL|re.M)
print pat.findall(data)
或非正則表達方式，
for item in data.split("</tr>"):
if "<tr>" in item:
print item[item.find("<tr>")+len("<tr>"):]
解決方案5
0 2010-02-04 12:45:54
正如其他人所說，通過允許使用re.MULTILINE進行多行匹配 ，可以解決您遇到的具體問題
但是， 你正在尋找一個使用正則表達式解析HTML的危險補丁 。 使用XML / HTML解析器， BeautifulSoup非常適合這個！
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")
如何處理Python正則表達式匹配中的多行模式
[英]How to handle the multiple-line pattern in Python regular expression matching
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.