Python中的OR语句和正则表达式答案

【问题标题】：OR statement and REGEX in PythonPython中的OR语句和正则表达式
【发布时间】：2014-12-06 18:30:19
【问题描述】：

我正在使用 REGEX 从 Python 中的 HTML 文档编译字符串列表。字符串要么在 td 标签内，要么在 div 标签内。我在正确使用 REGEX OR 以防止发生以下问题时遇到问题。如果我使用：

FindStrings= re.compile('<td>(.*?)</td>|padding:0;">(.*?)</div>')
MyStrings = re.findall(FindStrings, str(soup))
print MyStrings

我会得到类似的东西：

[('apple', ''), ('sky', ''), ('red', ''), ('', 'summer'), ('', 'pizza')]

我知道括号左侧的字符串是<td>(.*?)</td>，而右侧的字符串是</td>|padding:0;">(.*?)</div>。我想知道应该在 REGEX 中添加什么以获得最终列表，如下所示：

['apple', 'sky', 'red', 'summer', 'pizza']

【问题讨论】：

标签： python html regex html-parsing

【解决方案1】：

您可以按照您想要的方式处理正则表达式的结果。
像这样的 -

#Result of regex in MyStrings
>>> MyStrings = [('apple', ''), ('sky', ''), ('red', ''), ('', 'summer'), ('', 'pizza')]
>>> [s[0] if s[1]=='' else s[1] for s in MyStrings]
['apple', 'sky', 'red', 'summer', 'pizza']

【讨论】：

不，他想通过正则表达式直接提取正确的结果

【解决方案2】：

Do not use regex for parsing HTML。有专门的工具可以处理 HTML 格式。

使用BeautifulSoup 包的示例：

from bs4 import BeautifulSoup

data = """
<body>
    <table>
        <tr>
            <td>apple</td>
            <td>sky</td>
        </tr>
        <tr>
            <td>red</td>
        </tr>
    </table>
    <div>summer</div>
    <div>pizza</div>
</body>
"""

soup = BeautifulSoup(data)
print [item.text for item in soup.find_all(['td', 'div'])]

打印：

[u'apple', u'sky', u'red', u'summer', u'pizza']

【讨论】：

【解决方案3】：

无论您如何解析/使用正则表达式，您都可以在获得列表后使用 Python 的 itertools：

import itertools

item_list = [("apple", ""), ("sky", ""), ("red", ""), ("", "summer"), ("", "pizza")]
print(item_list)

flat_list = list(itertools.chain(*item_list))
result = filter(None, flat_list)
print(result)

输出：

[('apple', ''), ('sky', ''), ('red', ''), ('', 'summer'), ('', 'pizza')]
['apple', 'sky', 'red', 'summer', 'pizza']

【讨论】：

噗。这个被接受了吗？这可以通过一个简单的[ ''.join(x) for x in item_list ] 来完成，而不需要任何itertools 或其他任何东西。
是的，它确实被接受了——而且 itertools 更快。