python正则表达式的问题

去开原发布于 2013/10/17 09:28

阅读 617

Python

<divclass="lib-cat"><h3>分类索引</h3><divclass="list"><ul><li><ahref="/search/movie">电影</a></li><li><ahref="/search/tv">电视剧</a></li><li><ahref="/search/show">综艺</a></li></ul></div>

想匹配出电影，电视剧，综艺的链接,形成一个数组

加载中

crifan

2013/10/17 10:59

道理的解释，完整的代码和输出，以及个人的建议，全都写在帖子里了：

【问题解答】建议：处理html时复杂的需求，建议使用专门的库比如BeautifulSoup去处理而不要用正则

评论 (6) 引用此答案举报

去开原

2013/10/17 19:29

回复 @crifan : 哥们，我要是熟悉就是你问我了

回复举报

crifan

2013/10/17 15:20

回复 @去开原 : 全部解释清楚了，我才可能帮你写出，你所希望得到的，所谓正确的正则。否则，我不是神仙，没法猜测是你的所有的需求的细节的。

回复举报

crifan

2013/10/17 15:19

回复 @去开原 : 换句话说：如果要我给你一次性写出，你所理解的，对的，正确的正则，那么要你：不仅要给出你此处的这么几行的html，而且还给出完整的html内容，并且还要和我说清楚，其中的内容，可能出现的变化，比如某个div和li之间，可能出现还会0或多个空格，甚至是换行，等等诸如此类的解释

回复举报

crifan

2013/10/17 15:17

回复 @去开原 : 那说明：你还是对于正则不熟悉：写正确之前，自己要清楚你所处理的内容是什么样的，以及可能的变化，然后再去写对应的正则，能够处理到对应的可能变化的内容。

回复举报

去开原

2013/10/17 11:51

博客里面最后的那个正则还是有问题的，在全文中如果有在别的<div>中的类似规则标签也会取到，所以还是不对

回复举报

万里谁能驯

2013/10/17 09:43

<divclass="lib-cat"><h3>分类索引</h3><divclass="list"& gt;<ul><li><ahref="(.*?)">电影</a></li& gt;<li><ahref="(.*?)">电视剧</a></li><li& gt;<ahref="(.*?)">综艺</a></li></ul>< /div>

然后调用正则表达式.findall(字符串)
或者正则表达式.search(字符串).groups()

评论 (1) 引用此答案举报

去开原

2013/10/17 09:49

这个思路可以的，但是我想根据<a>标签进行通配匹配，在匹配后得到3个a标签的list，这个怎么写啊

回复举报

逍龍

2013/10/17 10:05

為啥不用beautifulsoup

评论 (0) 引用此答案举报

万里谁能驯

2013/10/17 10:10

<divclass="lib-cat"><h3>分类索引</h3><divclass="list"& amp; gt;<ul><li>(<ahref=".*?">电影</a>)</li& gt;<li>(<ahref=".*?">电视剧</a>)</li><li& gt;(<ahref=".*?">综艺</a>)</li></ul>< /div>

想要匹配哪一部分，就把那部分用括号框住，其中确定的文本不需要进行改动，不确定的文本用正则去表示就行了。
上面的网址想精确点可以写成/\w+/\w+，电影、电视剧、综艺可以写成.*?或者.{2,3}。对于一般的的文本，几乎怎样匹配都不会有错，除非有人想为难你。

评论 (1) 引用此答案举报

去开原

2013/10/17 10:21

问题是如果a标签数目不定怎么办，这么做正则表达式也没意义了吧

回复举报

万里谁能驯

2013/10/17 10:32

这3个链接的规则是一样的：
<ahref="/search/movie">电影</a>
<ahref="/search/tv">电视剧</a>
<ahref="/search/show">综艺</a>

对于这样的文本，就把其中一样的保留，不一样的用正则表示。
<ahref="/search/*?">.*?</a>

评论 (0) 引用此答案举报