Python的正則表達式

Question

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

我們需要h1標籤和h2標籤內的內容。

這樣做的最好方法是什麼？謝謝

感謝您的幫助！

Answer 1

如果需要縮放的話，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' 

它也可以使用正則表達式來完成，但這可能更符合您的需求。你想要的更大的例子可能是好的。不知道你想分析什麼，很難正確地幫助你。

Answer 2

第一點建議：不要使用HTML/XML PARSING的正則表達式！

現在我們已經清除了那個，我建議你看看Beautiful Soup。還有其他可用於Python的SGML/XML/HTML解析器。然而，這是我們大多數人在現實世界中發現的處理馬虎「標籤湯」的最愛。它不要求輸入符合標準和格式。如果你的瀏覽器可以設法渲染它，那麼Beautiful Soup可能會設法爲你解析它。

（仍傾向於使用正則表達式完成這個任務？思考「也不能說不好，我只是想提取只是什麼在<h1>...</h1>和<h2>...</h2>容器。」還有......「我會從來沒有需要處理任何其他角落案例「這種方式就是瘋狂，你根據這種推理方法編寫的代碼將是脆弱的，它會適當地通過你的測試，然後它會變得越來越糟糕，每當你需要修復「只有一件事」。認真地說，導入一個真正的解析器並使用它）。