在HTML中匹配P标签内的文本

Question

我想用Python的正则表达式来匹配HTML中每个段落的内容。这些段落里面总是有BR标签，像这样：

<p class="thisClass">this is nice <br /><br /> isn't it?</p>

我现在使用的匹配模式是：

pattern = re.compile('<p class=\"thisClass\">(.*?)<\/p>')

然后我用这个：

pattern.findall(html)

来找到所有的匹配项。不过，它只匹配到了我有的28个段落中的两个，看来是因为那两个段落里面没有BR标签，而其他的都有。我哪里做错了？我该怎么修正呢？谢谢！

Answer 1

原来答案是要加上 re.S 这个标志，这样“.”这个符号就可以匹配换行符了。

pattern = re.compile('<p class=\"thisClass\">(.*?)<\/p>', re.S)

这样做效果很好。

Answer 2

我觉得这个问题不是因为<br/>标签导致的，而是因为段落被分成了多行。你可以使用DOTALL模式来解决这个问题：

pattern = re.compile('<p class=\"thisClass\">(.*?)<\/p>', re.DOTALL)