Python Regex不能按预期工作

Question

我设计了一个正则表达式：

<entry>\\n<(\w+)>(.+?)</\w+>\\n</entry>

要解析以下RSS提要：

^{pr2}$

问题是，使用Python的re-module，我没有得到任何匹配：

import re

regex = re.compile("""<entry>\\n<(\w+)>(.+?)</\w+>\\n</entry>""")
regex.findall(rss_string) # Returns an empty list

使用在线regex测试仪（比如this）可以正常工作，所以我不认为这是一个regex问题。在

编辑

我很清楚using regular expressions to parse a Context-Free Grammar is BAD，但在我的例子中，正则表达式可能只对RSS提要有效（顺便说一下，它是Gmail收件箱提要），而且我知道我可以使用外部库/xml解析器来完成这项任务：这只是一个练习，而不是习惯。在

问题应该是为什么下面的正则表达式在Python中不能正常工作？

Answer 1

在regex编译器看到字符串之前，Python已经处理了斜杠转义符，因此您必须对它进行两次转义（例如，\\\\nfor \\n）。但是，Python有一个非常方便的符号，只需在字符串前面加一个r：

regex = re.compile(r"""<entry>\\n<(\w+)>(.+?)</\w+>\\n</entry>""")

顺便说一句，我同意这里其他人的观点，不要使用regex来解析XML。但是，希望您在以后的正则表达式中会发现这个字符串表示法有帮助。在

Answer 2

您不应该用regex解析XML，而应该对Python使用Universal Feed Parser。在regex上使用此库将使您的生活更轻松，并且已通过战斗测试证明是正确的。在

我个人已经用过这个图书馆很多次了，它工作起来很有魅力。在

Answer 3

不要用REGEX解析XML/HTML！在

使用下列方法之一：

• BeautifulSoup
• lxml
• pyquery

享受吧！在

编辑：哦，是RSS。其他人说的。。。我整个星期都在这儿。在