Python 正则匹配跨行 HTML 的办法

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

这是一个创建于 2882 天前的主题，其中的信息可能已经有所发展或是发生改变。

除了[\s\S]外，还有其它办法能匹配“跨行”的内容吗？问题比较烂，我用个简单例子来说明下：

如下这段 HTML ，我要匹配出 Text 的内容，因为中间还插着很多其它内容，所以我不能简单的<p>(.*?)<\/p>做匹配，必需从某个父节点找下去，才能精确定义，从父节点下去就涉及到“跨行”了

<p class="anchor">

<a href="＃">Link</a>

<img src="/img/cover.jpg"><p>Text</p>

我目前知道的办法是，但听说这样效率不好，内容多了容易“卡”住，因为[\s\S]，除此之外还有其它办法达到我期望的效果吗？感谢🙏

anchor">[\s\S]+.*?p>(.*?)<\/p>

8 条回复 • 2017-01-19 21:28:08 +08:00

soratadori

2017-01-19 19:19:41 +08:00

re.search("<p.*p>", text, re.S)

lightning1141

2017-01-19 19:22:35 +08:00 via Android

用 lxml 之类的库，尽量不要用正则
多行匹配加参数 re.DOTALL

chroming

2017-01-19 19:27:32 +08:00

跨行一般是用 re.S 的

pinkman

2017-01-19 19:39:00 +08:00

谢谢三位， re.S 果然可行。

@lightning1141 嗯，我知道有几个 HTML 解析的库可用，我直接写正则会不会效率更高一些呢？

IanPeverell

2017-01-19 19:59:15 +08:00

我觉得用 lxml 配合 XPath 好一点，可读性和可维护性要比直接正则好一点

seki

2017-01-19 20:20:36 +08:00

用 xml parser 会更好一点，因为 html 本身不是正则的语言

imn1

2017-01-19 20:32:10 +08:00

运行效率 regex 高，开发效率 dom 高

billlee

2017-01-19 21:28:08 +08:00

HTML 不是正则语言
如果你担心 DOM 的效率有问题，可以用 SAX