使用REGEX提取模式之間的文本

Question

我需要在Python中使用正則表達式的幫助。

我有一個大的HTML文件[大約400線]具有下列模式

text here(div,span,img tags) 

<!-- 3GP||Link|| --> 

text here(div,span,img tags) 

所以，現在我正在尋找一個正則表達式，可以提取我這個 - ：

Link 

給定的模式在html文件中是唯一的。

Answer 1

>>> d = """ 
... Some text here(div,span,img tags) 
... 
... <!-- 3GP||**Some link**|| --> 
... 
... Some text here(div,span,img tags) 
... """ 
>>> import re 
>>> re.findall(r'\<!-- 3GP\|\|([^|]+)\|\| --\>',d) 
['**Some link**'] 

• r''是原始文字，它停止標準的字符串的解釋逃脫
• \<!-- 3GP\|\|是一個正則表達式逃脫匹配<!-- 3GP||
• ([^|]+)將匹配所有字符都一個|和團體也爲了方便
• \|\| --\>是|| -->
• 一個正則表達式匹配逃脫re.findall返回字符串中重新組織模式的所有非重疊匹配，如果在重新組合模式中存在組表達式，則返回該匹配。

Answer 2

import re 
re.match(r"<!-- 3GP\|\|(.+?)\|\| -->", "<!-- 3GP||Link|| -->").group(1) 

產生"Link"。

Answer 3

如果您需要解析別的東西，你也可以用BeautifulSoup結合正則表達式：

import re 
from BeautifulSoup import BeautifulSoup, Comment 

soup = BeautifulSoup(<your html here>) 
link_regex = re.compile('\s+3GP\|\|(.*)\|\|\s+') 
comment = soup.find(text=lambda text: isinstance(text, Comment) 
        and link_regex.match(text)) 
link = link_regex.match(comment).group(1) 
print link 

注意，在這種情況下，正規表示法只需要因爲BeautifulSoup已經細心地匹配發言內容從評論中提取文本。