Python - 使用正則表達式查找多個匹配並打印出來

Question

我需要從HTML源文件中找到表單的內容，我做了一些搜索並找到了很好的方法來做到這一點，但問題是它只打印出第一個找到的，我怎么能循環它並輸出所有的表單內容，而不是只是第一個？

line = 'bla bla bla<form>Form 1</form> some text...<form>Form 2</form> more text?'
matchObj = re.search('<form>(.*?)</form>', line, re.S)
print matchObj.group(1)
# Output: Form 1
# I need it to output every form content he found, not just first one...

Answer 1

不要使用正則表達式來解析HTML。

但是如果你需要在字符串中找到所有regexp匹配項，請使用findall函數。

import re
line = 'bla bla bla<form>Form 1</form> some text...<form>Form 2</form> more text?'
matches = re.findall('<form>(.*?)</form>', line, re.DOTALL)
print(matches)

# Output: ['Form 1', 'Form 2']

Answer 2

而不是使用re.search使用re.findall它將返回List所有匹配。 或者您也可以使用re.finditer （我最喜歡使用它）它將返回一個Iterator Object ，您可以使用它來迭代所有找到的匹配。

line = 'bla bla bla<form>Form 1</form> some text...<form>Form 2</form> more text?'
for match in re.finditer('<form>(.*?)</form>', line, re.S):
    print match.group(1)

Answer 3

為此目的使用正則表達式是錯誤的方法。 由於您使用的是python，因此您可以使用非常棒的庫從HTML文檔中提取部件： BeautifulSoup 。