V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
sicongliu
V2EX  ›  Python

请问这个正则表达式如何写

  •  
  •   sicongliu · 2015-05-28 14:33:55 +08:00 · 3224 次点击
    这是一个创建于 3478 天前的主题,其中的信息可能已经有所发展或是发生改变。
    <dt><a name="313"></a>ADHE 313 (6) <b>Organization of Adult Basic Education Programs</b></dt>

    想抓出ADHE313和Organization of Adult Basic Education Programs
    18 条回复    2015-05-29 10:45:43 +08:00
    asj
        1
    asj  
       2015-05-28 14:37:22 +08:00
    这难道不是应该用CSS/JQuery selector,或者XPath么?
    phx13ye
        2
    phx13ye  
       2015-05-28 14:46:16 +08:00   ❤️ 1
    <\/a>(.*)<b>(.*?)<\/b>
    sicongliu
        3
    sicongliu  
    OP
       2015-05-28 14:48:02 +08:00
    xpath比较简单 但是想学下正则的方法
    shoumu
        4
    shoumu  
       2015-05-28 14:50:21 +08:00
    看一下pyquery吧,支持jQuery的语法
    professorz
        5
    professorz  
       2015-05-28 14:50:44 +08:00
    .+<\\/a>(.+)(6)<b>(.+)<\\/b>.+
    java下的regex
    sicongliu
        6
    sicongliu  
    OP
       2015-05-28 14:53:48 +08:00
    python的如何写
    yiyiwa
        7
    yiyiwa  
       2015-05-28 15:20:58 +08:00
    python测试了一下,不完善,有空的东西。

    '\>([^\<]*)\<'
    sicongliu
        8
    sicongliu  
    OP
       2015-05-28 15:42:05 +08:00
    m=re.search("</a>(.*?)\s(",text)
    print (m.group(1))

    m=re.search("<b>(.*?)</b>(",text)
    print (m.group(1))
    sicongliu
        9
    sicongliu  
    OP
       2015-05-28 15:46:12 +08:00
    如果要取ADHE 313呢?
    如何判断第二个空格?当然用字符串的search切片功能很容易达到,只是想知道正则如何达到
    sicongliu
        10
    sicongliu  
    OP
       2015-05-28 15:49:25 +08:00
    m=re.search("</a>(.*?)\s+\(",text)
    print (m.group(1))

    当然方法比较笨,如果第二个空格后不是“(”就没办法了
    asj
        11
    asj  
       2015-05-28 16:09:03 +08:00
    简单写了一个,还很不完善
    (?:<dt.*?>)(?:.*?\/.*?>)([\w ]*)(?:.*?)(?:<\/dt>)

    http://regexr.com/3b3bs
    fy
        12
    fy  
       2015-05-28 16:21:31 +08:00
    这个需求不用正则,会简单得多

    page.xpath("//dt/text()") -> ADHE 313 (6)
    page.xpath("//dt/b/text()") -> Organization of Adult Basic Education Programs
    picasso250
        13
    picasso250  
       2015-05-28 17:13:42 +08:00
    /a>([\w ()]+)<b>([\w ]+)</b>
    最简单的解决了你现在的问题。
    picasso250
        14
    picasso250  
       2015-05-28 17:16:23 +08:00
    对不起,上一个是错误的,多提取了(6)

    /a>(\w+ \d+).+?<b>([\w ]+)</b>
    leozy2014
        15
    leozy2014  
       2015-05-28 17:37:10 +08:00
    print re.findall('</a>(.*?) \(6\) <b>(.*?)</b></dt>', s)
    #[('ADHE 313', 'Organization of Adult Basic Education Programs')]
    wmttom
        16
    wmttom  
       2015-05-28 17:46:15 +08:00
    python正则 (?<=>)[\w, ,\(,\)]+?(?= \(|<)

    re.findall("(?<=>)[\w, ,\(,\)]+?(?= \(|<)", '<dt><a name="313"></a>ADHE 313 (6) <b>Organization of Adult Basic Education Programs</b></dt>')

    ['ADHE 313', 'Organization of Adult Basic Education Programs']
    sicongliu
        17
    sicongliu  
    OP
       2015-05-29 10:38:54 +08:00
    楼上两个貌似都不能用
    sicongliu
        18
    sicongliu  
    OP
       2015-05-29 10:45:43 +08:00
    sorry这个可行

    print re.findall('</a>(.*?) \(6\) <b>(.*?)</b></dt>', s)
    #[('ADHE 313', 'Organization of Adult Basic Education Programs')]
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   3574 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 22ms · UTC 04:48 · PVG 12:48 · LAX 20:48 · JFK 23:48
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.