re.Compile 不平衡括号错误答案

【问题标题】：Unbalanced Parenthesis Error with re.Compilere.Compile 不平衡括号错误
【发布时间】：2013-05-28 19:48:19
【问题描述】：

我正在将较旧的 Python 代码移植到 Python 3。该代码在 Python 2.7 中运行。以下行正在创建不平衡括号错误：

pp = re.compile('\\\([^\\<\/td\ *\>\([^\<]*)\<\/td\ *\>\[^\<]*\<\/td\ *\>\([^\<]*)\<\/td\ *\>\([^\<]*)\<\/td\ *\>\([^\<]*)\<\/td\ *\>\<\/tr\ *\>')

我不知道如何解决这个问题。任何建议将不胜感激如何分解并弄清楚。

【问题讨论】：

太棒了，蝙蝠侠！使用r'' 原始字符串文字来减少所有这些。 / 不需要转义。
而且代码对我来说不在 Python 2.7 上工作。
哦，也许您想改用 HTML 解析器？我怀疑你的代码使用 BeautifulSoup 会简单得多。
@MartijnPieters，你是说 WATman 吗？ :P 对不起...

标签： python regex python-3.x parentheses

【解决方案1】：

您的表达式几乎无法阅读，大多数\ 反斜杠实际上毫无意义。那些确实有意义的是\[、\( 和\) 组合，其中大部分看起来它们根本不应该存在。

例如。 \[^\<] 部分已损坏，因为转义的 \[ 使 ] 括号不平衡。

删除所有反斜杠使模式编译：

>>> re.compile('([^</td *>([^<]*)</td *>[^<]*</td *>([^<]*)</td *>([^<]*)</td *>([^<]*)</td *></tr *>')
<_sre.SRE_Pattern object at 0x7f8c61c76d50>

并不是说这种模式在这种情况下更有意义，因为在开头有一个 [^ 表示一个开放字符类，但它后面的字符表明这不是那里的意图，@987654330 @ 我们很早就看到了可能是那个类的一部分，但是你会匹配任何不在集合 {'<', '/', 't', 'd', ' ', '*', '(', '[', '^', '<'} 中的东西，这可能也不是你想要的。

简而言之，整个表达式被严重破坏，并且在任何 Python 版本中都无法以当前形式工作。

您似乎也在尝试使用正则表达式解析 HTML。这不会很好地工作。请改用适当的 HTML 解析器，例如 BeautifulSoup 将使提取表格单元格数据的任务变得更加简单。

【讨论】：

感谢您的指导。你是对的。新代码会编译。为了澄清起见，这是我继承的旧代码，并被告知它运行正常。我的错误：我应该先自己运行它来验证。我实际上有 4 行这种类型的代码。我将尝试按照您的建议自行修复。顺便说一句，为什么有人会这样编码？我还将查看 BeautifulSoup。谢谢。
好像有人从某个地方复制粘贴了正则表达式，却不了解它的作用；甚至可能来自于为 Perl 或 JavaScript 设计的东西。我无法想象有人真的会写这些并理解他们在做什么。
感谢您的澄清。我会尝试并继续努力。我也会看看 BeautifulSoup。再次感谢您。