如何控制Python的re.findall()在HTML字符串上返回的结果？

2024-05-16 13:06:45 发布

您现在位置：Python中文网/ 问答频道 /正文
9284 3

我试图捕捉“catalina320”的所有实例，只要它们出现在“这些船”字符串之前（见下面的通用示例）。在

我有捕获“catalina320”的所有实例的代码，但是我不知道如何在“这些船”字符串处停止它。在

resultsArray = re.findall(r'<tag>(Catalina 320)</tag>', string, re.DOTALL)

有人能帮我解决这个丢失的部分吗？我试着加上“.+这些船”，但没用。在

谢谢- 法学博士

^{pr2}$

Tags： 实例字符串代码re示例stringtagfindall
3条回答
网友
1楼 · 编辑于 2024-05-16 13:06:45

您可以使用正则表达式来解决这个问题，但根据您所说的问题，regex不是必需的，请参见尾注1。在

您应该使用^{}来解析这个。。。在

import lxml.etree as ET
from lxml.etree import XMLParser

resultsArray = []
parser = XMLParser(ns_clean=True, recover=True)
tree = ET.parse('foo.html', parser)   # See End-Note 2
for elem in tree.findall("//"):
    if "These boats" in elem.text:
        break
    elif "Catalina 320" in elem.text:
        resultsArray.append(ET.tostring(elem).strip())


print resultsArray

执行此操作将产生：

^{pr2}$

尾注：

  1. 您的问题的当前版本没有有效的标记，但我假设您有xml或html（这是您在问题的版本1中拥有的内容）。。。我的答案可以处理您编写的文本，但是假设某种类型的结构标记更有意义，因此我使用了以下输入文本，我将其保存为本地foo.html公司名称：

         <body>
<tag>Blah blah blah</tag>
    <tag>**Catalina 320**</tag>
  <tag>Blah<tag>
    <td>**Catalina 320**</td>
  </tag>Blah Blah </tag>
    <tag>**These boats** are fully booked for the day</tag>
  <tag>Blah blah blah</tag>
    <tag>Catalina 320</tag>
    <tag>Catalina 320</tag>
    </body>

  2. 如果您想在编码问题上更小心一点，可以使用lxml.soupparser作为使用lxml

    解析HTML时的备用方法

from lxml.html import soupparser
# ...
try:
    parser = XMLParser(ns_clean=True, recover=True)
    tree = ET.parse('foo.html', parser)
except UnicodeDecodeError:
    tree = soupparser.parse('foo.html')
网友
2楼 · 编辑于 2024-05-16 13:06:45

如果您的问题没有其他上下文，您可以在第一次出现'These boats'之前搜索：

re.findall('Catalina 320', string.split('These boats')[0])
网友
3楼 · 编辑于 2024-05-16 13:06:45
groups = re.findall(r'(Catalina 320)*.*These boats, r.read(), re.DOTALL)

分组中的第一组将包含Catalina 320匹配项的列表。在

相关问题 更多 >

    编程相关推荐