使用REGEX在樣式之間提取文本

Question

我需要python中的正則表達式幫助。

我有一個大的html文件[大約400行]，具有以下模式

text here(div,span,img tags)

<!-- 3GP||Link|| --> 

text here(div,span,img tags)

所以，現在我正在尋找一個可以提取我的正則表達式：

Link

給定的模式在html文件中是唯一的。

Answer 1

>>> d = """
... Some text here(div,span,img tags)
...
... <!-- 3GP||**Some link**|| -->
...
... Some text here(div,span,img tags)
... """
>>> import re
>>> re.findall(r'\<!-- 3GP\|\|([^|]+)\|\| --\>',d)
['**Some link**']

• r''是原始文字，它停止對標准字符串轉義的解釋
• \\<!-- 3GP\\|\\| 是<!-- 3GP||正則表達式轉義匹配
• ([^|]+)會將所有內容匹配到| 並將其分組以方便使用
• \\|\\| --\\> \\|\\| --\\>是|| -->正則表達式轉義匹配 || -->
• re.findall返回字符串中re模式的所有非重疊匹配，如果re模式中有一個組表達式，則返回該表達式。

Answer 2

import re
re.match(r"<!-- 3GP\|\|(.+?)\|\| -->", "<!-- 3GP||Link|| -->").group(1)

產生"Link" 。

Answer 3

如果需要解析其他內容，還可以將正則表達式與BeautifulSoup結合使用：

import re
from BeautifulSoup import BeautifulSoup, Comment

soup = BeautifulSoup(<your html here>)
link_regex = re.compile('\s+3GP\|\|(.*)\|\|\s+')
comment = soup.find(text=lambda text: isinstance(text, Comment)
                    and link_regex.match(text))
link = link_regex.match(comment).group(1)
print link

請注意，在這種情況下，常規表達式僅需要與注釋內容匹配，因為BeautifulSoup已經負責從注釋中提取文本。