在python上向RE添加可选的子表达式

Question

如何在python中添加正则表达式的子表达式？ 表示某些html代码可能出现在文本中，也可能不出现在文本中。 这是因为我正在为filmaffinity制作一个API，想重新过滤搜索结果，但我遇到了问题

在结果的html代码中有一个分级图像，而在其他代码中没有，然后我将添加到RE的子表达式中，在该图像出现的地方，它可以对电影进行分级（整数），如果没有，它将返回一个空字符串

例如，这是一节os resources html：

<div class="mc-title"><a href="/es/film111111.html">Movie Name</a>  (2012)   <img src="/imgs/countries/CF.jpg" title="Country Name"></div>

    <img src="http://www.filmaffinity.com/imgs/ratings/8.png" border="0" alt="Notable" >        <div class="mc-director"><a href="/es/search.php?stype=director&amp;stext=Some+Director">Some Director</a></div>

在这个html代码中，img标记不是

<div class="mc-title"><a href="/es/film000000.html">Another movie name</a>  (2015)   <img src="/imgs/countries/XY.jpg" title="Another Country"></div>

            <div class="mc-director"><a href="/es/search.php?stype=director&amp;stext=Another+Director">Another director</a></div>

所以。。。我需要一个回复来回复这个：

>>>R=findall(expression, html_Code)
>>>print R
[('111111', 'Movie Name', '2012', '8', 'Some Director'), ('000000', 'Another Movie Name', '2015', '', 'Another director')]

请注意，在第二个元组中，没有评级。。。只有“”字符串

我可怜的RE是这样的：

<div class="mc-title"><a href="/es/film(\d{6}).html">([^<]*)</a>\s*\((\d{4})\)\s*<img src="/imgs/countries/([A-Z]{2}).jpg" title="[^"]*"></div>\s*<img src="http://www.filmaffinity.com/imgs/ratings/(\d+).png" border="0" alt="\w*" ?>\s*<div class="mc-director"><a href="/es/search.php\?stype=director&amp;stext=[\w+]*">[^<]*</a></div>

Answer 1

对于解析HTML，我发现BeautifulSoup比使用直接正则表达式更好。还有PyQuery看起来不错，但我从来没用过