正则表达式没有返回匹配，但显然存在匹配

Question

我正在搜索一个html格式的站点，查找具有以下格式的字符串（“s”）：

<td class="number">$0.48</td>

我试图用正则表达式返回“$0.48”。它一直工作到今天，我不知道发生了什么变化，但下面是我的代码片段：

def scrubdividata(ticker):
    sleep(1.0) # Time in seconds.
    f = urllib2.urlopen('the url')
    lines = f.readlines()
    for i in range(0,len(lines)):
        line = lines[i]
        if "Annual Dividend:" in line:
            print 'for ticker %s, annual dividend is in line'%(ticker)
            s = str(lines[i+1])
            print s
            start = '>$'
            end = '</td>'
            AnnualDiv = re.search('%s(.*)%s' % (start, end), s).group(1)

结果如下：

for ticker A, annual dividend is in line

    <td class="number">$0.48</td>

Traceback (most recent call last):
  File "test.py", line 115, in <module>
    scrubdividata(ticker)
  File "test.py", line 34, in scrubdividata
    LastDiv = re.search('%s(.*)%s' % (start, end), s).group(1)
AttributeError: 'NoneType' object has no attribute 'group'

我使用的是python2.5（我相信）。我从来没有听说过在html中使用regex，但是我需要快速地利用我有限的知识尽快完成这项工作，regex是我所知道的唯一方法。现在，我是在承受后果还是有其他问题导致了这一切？任何洞察都是美妙的！你知道吗

谢谢，B

Answer 1

你得避开美元符号。你知道吗

start = '>\$'
end = '</td>'
AnnualDiv = re.search('%s(.*)%s' % (start, end), s).group(1)

原因是$是regex中的一个特殊字符。（它匹配字符串的结尾或换行符之前。）

这将把AnnualDiv设置为字符串'0.48'。如果要添加$，可以使用以下方法：

AnnualDiv = "$%s" % re.search('%s(.*)%s' % (start, end), s).group(1)

Answer 2

从文档中：

"$" Matches the end of the string or just before the newline at the end of the string.

所以你可能想避开这条线上的美元符号，就像这样：

start = '>\$'

如果您考虑将来通过HTML进行更多的搜索，我建议您看看Beautiful Soup模块。它比正则表达式更宽容一点。你知道吗