如何在python中使用正则表达式在<tr>标签中映射多个<td>标签[重复]答案

【问题标题】：How to map mutlitple <td> tag in a <tr> tag using regex in python [duplicate]如何在python中使用正则表达式在<tr>标签中映射多个<td>标签[重复]
【发布时间】：2012-09-04 14:45:19
【问题描述】：

可能重复：
RegEx match open tags except XHTML self-contained tags

我必须在 python 中使用正则表达式将多个 <td> 数据映射到单个 <tr> 中

例如

<tr>
  <td>data 1</td>
  <td>data 2</td>
  <td>data 3</td>
</tr>

我想使用单个正则表达式提取 data1、data2、data3。并且可以有任意数量的<td> 标签。

目前我正在使用多个正则表达式，即首先映射<tr></tr>，然后映射<td></td>

我可以用单个表达式吗？

我想使用正则表达式来实现这一点，所以我不能使用漂亮的汤或其他 html 解析器。

【问题讨论】：

你应该使用 html 解析器而不是正则表达式来解析 html
只要你能保证没有嵌套标签你可能没问题...但是正则表达式 CANNOT 正确匹配嵌套项...
“我想用正则表达式来实现，所以我不能使用漂亮的汤或其他html解析器。”。对不起，但这有点像寻求帮助用叉子刺你的眼睛。您通常不想这样做，因为这不是一个好主意！你有什么更令人信服的理由不想使用 HTML 解析器？
"我想用正则表达式来实现，所以我不能使用漂亮的汤或其他 html 解析器。"为什么使用正则表达式对您如此重要？你真的不应该这样做。请阅读this！
虽然@zenpoy 绝对正确，但这个问题实际上并不是重复的。 “为完全重复而关闭”选择不应仅用于链接到 OP 应阅读的问题/答案。

标签： python regex python-2.7

【解决方案1】：

尽管正如其他人所建议的那样，您应该使用为该任务设计的东西来解析您的 HTML，但以下内容适用于部分情况：

re.findall(r'(?i)<td.*?>([^<]+)</td.*?>', input_str)

根据您的 HTML 输入格式，您可能需要在使用 re.findall() 之前将其转换为字符串。以下将从file.html 读取并将所有匹配项存储在名为data 的列表中：

import re

fh = open('file.html', 'r')
input_str = fh.read()
data = re.findall(r'(?i)<td.*?>([^<]+)</td.*?>', input_str)
fh.close()

【讨论】：

【解决方案2】：

编辑：我明白了，小马，他来了。我也时不时地传播这个词，因为我完全同意这种观点。但这种观点似乎在上面的 cmets 中得到了充分表达，所以我的目标只是回答字面问题，“我可以用 [a] 单一表达式来做到这一点吗？”简单地说：“不，除了在 .NET 中，所以继续前进。”

回答您的实际问题：

不，您不能在单个表达式中执行此操作，除非您使用的是 .NET，据我所知，它为量化表达式中匹配的每个实例提供捕获。

你能做的最好的就是有限的、非任意的重复，例如

 /<tr>(?:\s*<td>(.*?)</td>)?(?:\s*<td>(.*?)</td>)?(?:\s*<td>(.*?)</td>)?(?:\s*<td>(.*?)</td>)?\s*</tr>/

当然，以上是粗略的，没有考虑任何其他的标签、cmets等，我只是想举例说明“有限的、非任意的”部分。

【讨论】：