正则表达式 - 匹配可选组

我知道正则表达式是不是刮HTMLS的最佳途径，但是这是它... 我有一些类似：正则表达式 - 匹配可选组

<td> Writing: <a href="creator.php?c=CCh">Carlo Chendi</a> Art: <a href="creator.php?c=LBo">Luciano Bottaro</a> </td>

，我需要匹配的写作艺术部分。但并不是说他们在那里，并且可能有其他部分，如墨水和铅笔...

我该如何做？我需要使用纯正RegEx，不需要额外的Python库。

来源

2011-01-09 Maurizio

这不是“不是最好的方式”，它不是一种方式。如果我要求你用面条钉钉子，那么完成它的失败是我的错，而不是你的。 – msw 2011-01-09 04:41:55

是的，没错。不会这样做，如果我不会以某种方式被迫这样做...除非你有一个关于如何阅读一个HTML没有额外的库在Python的建议... – Maurizio 2011-01-10 11:15:46

对不起，并不意味着听起来刺耳。 ..我真的不需要阅读所有的标签，只是一些特定的标签，所以我认为这可以做到......我可能是错的，尽管...谢谢！ – Maurizio 2011-01-10 11:24:20

尽管我以前的答案，我改变了主意，并希望不要有选项/备用，但得到他们。所以，这意味着无论是在TD标签里面的东西都必须被捕获和适当的分类。我需要创建一个可选的捕获组，所以无论布局如何，我仍然可以检索内容。应该有这方面的工作，即：

<td> Art: <a href="creator.php?c=GPe">Giuseppe Perego</a> </td> 
<td> Writing: <a href="creator.php?c=CCh">Carlo Chendi</a> Art: <a href="creator.php?c=LBo">Luciano Bottaro</a> </td> 
<td> Pencils: <a href="creator.php?c=JB">Jack Bradbury</a> Ink: <a href="creator.php?c=SSt">Steve Steere</a> </td> 
<td> Pencils: <a href="creator.php?c=JB">Jack Bradbury</a> Ink: <a href="creator.php?c=SSt">Steve Steere</a> </td> 
<td> Writing: <a href="creator.php?c=DKi">Dick Kinney</a> Pencils: <a href="creator.php?c=TS">Tony Strobl</a> Ink: <a href="creator.php?c=SSt">Steve Steere</a> </td> 
<td> Pencils: <a href="creator.php?c=JB">Jack Bradbury</a> Ink: <a href="creator.php?c=SSt">Steve Steere</a> </td> 
<td> Writing: <a href="creator.php?c=BKa">Bob Karp</a> Pencils: <a href="creator.php?c=AT">Al Taliaferro</a> Ink: <a href="creator.php?c=AH">Al Hubbard</a> </td>  
<td> Writing: <a href="creator.php?c=DKi">Dick Kinney</a> Pencils: <a href="creator.php?c=TS">Tony Strobl</a> Ink: <a href="creator.php?c=SSt">Steve Steere</a> </td> 
<td> Writing: <a href="creator.php?c=VLo">Vic Lockman</a> Art: <a href="creator.php?c=KWr">Kay Wright</a> </td> 
<td> Writing: <a href="creator.php?c=MGa">Michele Gazzarri</a> Art: <a href="creator.php?c=GPe">Giuseppe Perego</a> </td>

我创建：

<td>\ {1,3}(?:(?:Writing: <a href="creator\.php\?c=[^>"]*?">(.*?)?</a>).*?)?(?:(?:Pencils: <a href="creator\.php\?c=[^>"]*?">(.*?)?</a>\))?(?:(?:Ink: <a href="creator\.php\?c=[^>"]*?">(.*?)?</a>))?(?:(?:Art: <a href="creator\.php\?c=[^>"]*?">(.*?)?</a>))?\ {1,3}</td>

而且看起来它是工作！

我真的很感谢有人检查和验证我的努力。

来源

2011-01-11 00:10:40 Maurizio

你可以用正则表达式匹配可选的东西吗？之后的可选部分。？将匹配0或1次子表达式。

来源

2011-01-09 04:34:34

regex = re.compile("(\w+):") 
regex.findall(yourString); // returns an array of matching elements

您可以测试它here

PS：我强烈建议你去通过this

来源

2011-01-09 04:44:53

我创造了这个最后：

(Art:|Pencils:|Ink:|Writing:){0,4}.<a href="creator\.php\?c=[^">]*?\"\>(?P<Name>.*?)\</a\>

，看起来像它的工作..也许它可以被打磨一下。我是你知道的首发。

来源

2011-01-10 11:17:10 Maurizio

也许有两种模式可以识别。存在于

您的关键字< TD> ... </TD>
关键字后面是一个<> ... </A>部分

所以..第一内<提取一切TD>取值...（伪码）

while (match("<td[^>]*>(.*?)</td[^>]*>")) { 
    inner = match[1]; 
    ... 
}

的(.*?)装置匹配非贪婪地，即匹配最小可能。否则，你会匹配从第一个<td>到最后</td>（而不是下一个</td>）的所有内容。

然后您可以继续处理inner部分！

来源

2011-01-10 11:49:15

正则表达式 - 匹配可选组

回答

相关问题