重复正则表达式组

Question

我想从一个网站获取一些信息。我想要的信息是在一个表格中，所以我做了一个正则表达式，但我不知道正确的方法来简化它。

以下是我的正则表达式的两个部分，我想简化：

<br>(.*)<br>(.*)<br>(.*) 

<tr><td>(.+)r>(.+)r>(.+)r>(.+).+</td></tr> # This part should be repeated n times(n = 1 to 10) 

我通过Python文档看，我无法知道如何做到这一点。也许你可以给我一个提示。

谢谢， mF。

Answer 1

这是错误的路要走，除非你想凑一些数据从一个微小的片段。

如果您使用宽容的HTML，会更好。之前提到的BeautifulSoup是一个很好的，但它停滞不前，我不相信它正在积极维护。

Python强烈推荐的解析器是lxml。

在我们的本地邮件列表here之一中，有一个讨论解析XHTML的长话题，您可能会发现它也很有用。

Answer 2

RegEx match open tags except XHTML self-contained tags

“你有没有尝试过使用XML解析器呢？”

编辑：这是要走的路：你只需要把块括号，然后使用{...}运营商Beautiful Soup

Answer 3

，例如：以

(foo...){1,10} 

比赛1那里面有10件事。鉴于你上面的例子，你可以窝那些：

((f..)(b..)){1,10}