Python的正则表达式

Question

str1 = abdk3<h1>The content we need</h1>aaaaabbb<h2>The content we need2</h2> 

我们需要h1标签和h2标签内的内容。

这样做的最好方法是什么？谢谢

感谢您的帮助！

Answer 1

如果需要缩放的话，最好的方法就是使用BeautifulSoup。

>>> from BeautifulSoup import BeautifulSoup 
>>> soup = BeautifulSoup('abdk3<h1>The content we need</h1>aaaaabbb<h2>The content we need2</h2>') 
>>> soup.h1 
<h1>The content we need</h1> 
>>> soup.h1.text 
u'The content we need' 
>>> soup.h2 
<h2>The content we need2</h2> 
>>> soup.h2.text 
u'The content we need2' 

它也可以使用正则表达式来完成，但这可能更符合您的需求。你想要的更大的例子可能是好的。不知道你想分析什么，很难正确地帮助你。

Answer 2

第一点建议：不要使用HTML/XML PARSING的正则表达式！

现在我们已经清除了那个，我建议你看看Beautiful Soup。还有其他可用于Python的SGML/XML/HTML解析器。然而，这是我们大多数人在现实世界中发现的处理马虎“标签汤”的最爱。它不要求输入符合标准和格式。如果你的浏览器可以设法渲染它，那么Beautiful Soup可能会设法为你解析它。

（仍倾向于使用正则表达式完成这个任务？思考“也不能说不好，我只是想提取只是什么在<h1>...</h1>和<h2>...</h2>容器。”还有......“我会从来没有需要处理任何其他角落案例“这种方式就是疯狂，你根据这种推理方法编写的代码将是脆弱的，它会适当地通过你的测试，然后它会变得越来越糟糕，每当你需要修复“只有一件事”。认真地说，导入一个真正的解析器并使用它）。