сопоставление нескольких строк в регулярном выражении python
Я хочу извлечь данные между тегами <tr> с html-страницы. Я использовал следующий код. Но я не получил никакого результата. Html между тегами <tr> находится в нескольких строках
category =re.findall('<tr>(.*?)</tr>',data);
Попробуйте исправить эту проблему.
- Отображение изображения, сохраненного в виде двоичного блока в шаблоне
- Присоединяйте файлы txt рядом в python
- Как прерывать цикл импорта в python
- Как incr работает со временем истечения срока действия?
- кто может сказать мне, что можно назвать встроенными функциями в следующем коде
- Класс Python - Супер переменная
- Проверка определения sys.argv
- Итерировать список как пару (текущий, следующий) в Python
- UnicodeEncodeError: кодек «ascii» не может кодировать символ u '\ u2013' в позиции 3 2: порядковый номер не в диапазоне (128)
- Слияние двух целых чисел в Python
5 Solutions collect form web for “сопоставление нескольких строк в регулярном выражении python”
просто для устранения проблемы. Несмотря на все эти ссылки на re.M это не сработало бы здесь, так как будет re.M простое сглаживание его объяснения. Вам понадобится re.S , если вы не попытаетесь разобрать html, конечно:
>>> 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) []
Не используйте регулярное выражение, используйте парсер HTML, такой как BeautifulSoup :
html = '<html><body>foo<tr>bar</tr>baz<tr>qux</tr></body></html>' import BeautifulSoup soup = BeautifulSoup.BeautifulSoup(html) print soup.findAll("tr")
Результат:
[<tr>bar</tr>, <tr>qux</tr>]
Если вы просто хотите содержимое без тэгов:
for tr in soup.findAll("tr"): print tr.contents
Результат:
bar qux
Использование парсера HTML не так страшно, как кажется! И он будет работать более надежно, чем любое регулярное выражение, которое будет опубликовано здесь.
Не используйте регулярные выражения для анализа HTML. Используйте парсер HTML, такой как lxml или BeautifulSoup .
pat=re.compile('<tr>(.*?)</tr>',re.DOTALL|re.M) print pat.findall(data)
Или не регулярный,
for item in data.split("</tr>"): if "<tr>" in item: print item[item.find("<tr>")+len("<tr>"):]
Как и другие, предлагаемая конкретная проблема, с которой вы сталкиваетесь, может быть решена путем разрешения многострочного соответствия с использованием re.MULTILINE
Однако вы идете вниз коварный патч, анализирующий HTML с регулярными выражениями . Вместо этого используйте парсер XML / HTML, BeautifulSoup отлично работает для этого!
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>""" from BeautifulSoup import BeautifulSoup soup = BeautifulSoup(doc) all_trs = soup.findAll("tr")