37,721
社区成员
发帖
与我相关
我的任务
分享初学正则表达式的两个小问题
1.正文
<html>
<head>
<title></title>
</head>
<body>
<div>test</div>
<h3>hh33</h3>
<p>asdf</p>
</body>
</html>
想取出<div></div>之间和<p></p>之间的东西，用：
<div>(.*)</div>[^.]*<p>(.*)</p>
就能找出来，但是换了：
</div>(.*)</div>[.\n\s\r]*<p>(.*)</p>
就匹配出不来了？
感觉两对角标之间的那些东西，就是换行符、空白符、再加上.，应该就能全部找到了吧？但是实际不行？
2.尝试着用python来进行正则匹配
import re
p = re.compile('xml') #define re:p
m = p.match('xml') #这样子m就有内容<_sre.SRE_Match object at 0x101a82100>
但是换成：
m = p.match('<xml') #这样子m就是None
#
想了下，<好像不用需要转义字符吧？
<html>
<head>
<title></title>
</head>
<body>
<div>test</div>
<h3>hh33</h3>
<p>asdf</p>
</body>
</html>
想取出<div></div>之间和<p></p>之间的东西，用：
<div>(.*)</div>[^.]*<p>(.*)</p>
就能找出来，但是换了：
</div>(.*)</div>[.\n\s\r]*<p>(.*)</p>
就匹配出不来了？
感觉两对角标之间的那些东西，就是换行符、空白符、再加上.，应该就能全部找到了吧？但是实际不行？
2.尝试着用python来进行正则匹配
import re
p = re.compile('xml') #define re:p
m = p.match('xml') #这样子m就有内容<_sre.SRE_Match object at 0x101a82100>
但是换成：
m = p.match('<xml') #这样子m就是None
#
想了下，<好像不用需要转义字符吧？
...全文
请发表友善的回复…
发表回复
fly0snow 2014-02-18
- 打赏
- 举报
第二个问题不用说了，第一个问题有几个错误：
1.第一个div前面多了/
2.在[]中，.不是元字符，只匹配.号，并不是匹配除了换行符之外的任何字符。\s包括\n\r\t以及空格。
3.知道了上面那个错误，就知道应该用[\s\w<>\/]
我觉得你对正则有点理解不太正确啊。不要说div标签后面跟着的只是一个h3标签，就是有几百个其他标签，也可以用[\s\w<>\/]*都匹配掉，最终让<p>匹配成功啊。\s可是可以匹配换行的。
而且不知道你说的第一个正则错了两个地方是哪两个地方。我只是觉得他[^.]算是歪打正着了。
syeerzy 2014-02-18
- 打赏
- 举报
一年以后没事翻翻老贴, 我以为只是楼主粗心大意. 怎么整个帖子这么多人每个都粗心大意么?
这个问题跟程序没关系, 他后面的标签是 h3, 用 p 去匹配怎么可能匹配到嘛. 所以我说, 匹配到的那个是因为错了2个地方抵消了.....
真感叹,都是写代码的,怎么看东西都这么粗心呢?
ivanlw 2013-04-03
- 打赏
- 举报
1.第二个正则确实写错了，但是去掉/，写成你这个样子，还是不能匹配出来呀，我用的是开源中国的在线正则表达式测试：http://www.ostools.net/regex
2.search明白了
ImN1 2013-04-03
- 打赏
- 举报
你为什么迷信第三方？而不是自己写个python测试？
那个在线不能匹配，是基于自身原因——似乎是不认\n\r
<div>(.*?)</div>[\S\s]*?<p>(.*?)</p>
<div>(.*?)</div>[\D\d]*?<p>(.*?)</p>
这些应该都可以，其实正则不是一个写法，看你如何变通
ivanlw 2013-04-03
- 打赏
- 举报
我用开源中国的在线正则测试：http://www.ostools.net/regex
正则表达式换成六楼的：<div>(.*?)</div>.*?<p>(.*?)</p>还是没有匹配结果
ImN1 2013-04-03
- 打赏
- 举报
要加r在前面，看#6的写法
ivanlw 2013-04-02
- 打赏
- 举报
呃，我真的是初学的，这两个是第一次写的正则，能麻烦告诉下应该怎么写才正确吗
ImN1 2013-04-02
- 打赏
- 举报
那两个我只当是发帖打错了，如果真是低级错误就真是很无语
不过^也不像打错弄出来的，嘿嘿 
syeerzy 2013-04-02
- 打赏
- 举报
1 跟贪婪无关, 这是个"低级错误", 第一个所以可以,是因为犯两个低级错误,抵消了....第2个之所以不行,因为本来就不行,至于为什么说低级错误,你自己仔细看你写的东西.....跟正则或编程知识没关系,只跟仔细不仔细有关系.
2 python 的match是从开始匹配的, 如果你要像其他语言平台的match,应该用findall
crifan 2013-04-02
- 打赏
- 举报
具体问题，就不再解释了，别人都解释过了。
说个相关的：
如果你只是处理此处简单的html，那么用正则，足够。
如果是处理更加复杂的，采用专门处理html的一些库函数，会相对更加高效和省力。
比如：
【教程】Python中第三方的用于解析HTML的库：BeautifulSoup
关于python的正则，我写了教程，感兴趣的话，你可以看看：
【教程】详解Python正则表达式
ImN1 2013-04-02
- 打赏
- 举报
1.考虑一下贪婪与非贪婪
2.match应该是从头开始匹配的
libralibra 2013-04-02
- 打赏
- 举报
直接提取就行了,
>>> s = '''<html>
<head>
<title></title>
</head>
<body>
<div>test</div>
<h3>hh33</h3>
<p>asdf</p>
</body>
</html>'''
>>> import re
>>> res = r'<div>(.*?)</div>.*?<p>(.*?)</p>'
>>> m = re.findall(res,s,re.S|re.M)
>>> m
[('test', 'asdf')]
>>> zhaojia1989 2013-04-02
- 打赏
- 举报
1、<div>(.*)</div>[.\n\s\r]*<p>(.*)</p>
2、search
另：所有的compile都写成原字符，compile(r'xml')
