HTML正则表达式中使用Python进行多次最短匹配

Question

我想要在Python中使用正则表达式来获取此HTML代码的4个表格的内容http://catedral.prefeitura.unicamp.br/cardapio.php。 的表格开始与 “[\吨\ n \ s]的” 并用 完成 “</TABLE> [\吨\ n \ s]的 </TD>” 我使用的代码如下：

menuSearchString = '<td align="left" valign="top">[\t\n\s]*<table width="[\d%]+" class="fundo_cardapio">([\s\S\d\t\n]+)<\/table>[\t\n\s]*<\/td>' 
menus = re.findall(menuSearchString,page) 
print menus 

但我无法得到表格的四个匹配。我认为我错在贪婪的配置和“？”运营商，我在最后尝试，但没有工作。

Answer 1

你说得对。你的正则表达式的一部分是greedy这会导致你的正则表达式在一场比赛中捕获所有四个表。所有你需要做的就是使这部分lazy为了得到四场比赛。

更改您的正则表达式的这一部分：

[\s\S\d\t\n]+ 

要：

[\s\S\d\t\n]+? 

完整代码：

menuSearchString = '<td align="left" valign="top">[\t\n\s]*<table width="[\d%]+" class="fundo_cardapio">([\s\S\d\t\n]+?)<\/table>[\t\n\s]*<\/td>' 
menus = re.findall(menuSearchString,page) 
print menus