在python正则表达式中匹配多行

2024-04-16 12:52:54 发布

您现在位置：Python中文网/ 问答频道 /正文
321 3

我想从html页面提取标签之间的数据。我使用了下面的代码，但是没有得到任何结果。标签之间的html是多行的

category =re.findall('<tr>(.*?)</tr>',data);

请建议解决这个问题。


Tags： 数据代码redatahtml页面标签建议
3条回答
网友
1楼 · 编辑于 2024-04-16 12:52:54

不要使用regex，使用HTML解析器，例如BeautifulSoup：

html = '<html><body>foo<tr>bar</tr>baz<tr>qux</tr></body></html>'

import BeautifulSoup
soup = BeautifulSoup.BeautifulSoup(html)
print soup.findAll("tr")

结果：

[<tr>bar</tr>, <tr>qux</tr>]

如果只需要内容，而不需要tr标记：

for tr in soup.findAll("tr"):
    print tr.contents

结果：

bar
qux

使用HTML解析器并不像听起来那么可怕！它将比任何将在这里发布的regex更可靠。

网友
2楼 · 编辑于 2024-04-16 12:52:54

不要使用正则表达式来分析HTML。使用HTML解析器，如lxml或BeautifulSoup。

网友
3楼 · 编辑于 2024-04-16 12:52:54

只是为了澄清这个问题。尽管所有这些链接都指向re.M，但在这里它不会工作，因为简单地浏览一下它的解释就会发现。如果不尝试解析html，当然需要re.S：

>>> doc = """<table border="1">
    <tr>
        <td>row 1, cell 1</td>
        <td>row 1, cell 2</td>
    </tr>
    <tr>
        <td>row 2, cell 1</td>
        <td>row 2, cell 2</td>
    </tr>
</table>"""

>>> re.findall('<tr>(.*?)</tr>', doc, re.S)
['\n        <td>row 1, cell 1</td>\n        <td>row 1, cell 2</td>\n    ', 
 '\n        <td>row 2, cell 1</td>\n        <td>row 2, cell 2</td>\n    ']
>>> re.findall('<tr>(.*?)</tr>', doc, re.M)
[]

相关问题 更多 >

    编程相关推荐