我有一个 python 任务，我必须将正则表达式操作应用于 XML 文件。 具体来说，我必须提取 XML 文件中的某些部分。例如
<?xml version="1.0" encoding="UTF-8"?>
<.... some xml sections...>
<keyword:ROW field1="value1">
<field2>=value2</field3>
<field3>=value3</field3>
</keyword:ROW>
<keyword:ROW field4="value4">
<field4>=value4</field4>
<field4>=value4</field4>
</keyword:ROW>
在上面的代码示例中，我必须提取以
开头的部分<keyword:ROW"
请告诉我如何将 re.compile() 应用到这个问题陈述中。
【问题讨论】：
标签： python regex xml python-3.x
使用正则表达式解析 XML 不是一个好主意，因为 XML 数据可能包含嵌套结构，从而在使用正则表达式解析时导致意外结果。
虽然对于简单的情况，你可以做一个快速而肮脏的工作，但从长远来看，你应该使用 XML 解析器。仅针对您的情况，您可以使用此正则表达式，
(?s)<keyword:ROW.*?<\/keyword:ROW>
查找所有出现的<keyword:ROW 标签
说明：
(?s) --> 启用 .匹配默认情况下不是的换行符<keyword:ROW --> 匹配你想要的关键字.*? --> 非贪婪匹配之后的任何字符，并在 <\/keyword:ROW> 之前停止
<\/keyword:ROW> --> 匹配结束标签并停止捕获文本这是你需要的python代码，
import re
s = """
<?xml version="1.0" encoding="UTF-8"?>
<.... some xml sections...>
<keyword:ROW field1="value1">
<field2>=value2</field3>
<field3>=value3</field3>
</keyword:ROW>
<keyword:ROW field4="value4">
<field4>=value4</field4>
<field4>=value4</field4>
</keyword:ROW>
"""
arr = re.findall(r'(?s)<keyword:ROW.*?<\/keyword:ROW>', s)
print(arr)
这给出了以下输出，基本上是您的示例 xml 中存在的两个标签。
['<keyword:ROW field1="value1">\n<field2>=value2</field3>\n<field3>=value3</field3>\n</keyword:ROW>', '<keyword:ROW field4="value4">\n<field4>=value4</field4>\n<field4>=value4</field4>\n</keyword:ROW>']
如果您需要这里的任何解释，请告诉我。
【讨论】：
你可以试试这个
<keyword:ROW\s[\w\W]*?<\/keyword:ROW>
解释
<keyword:ROW- 匹配 <keyword:ROW。\s - 匹配空格字符。[\w\W]*? - 匹配任何字符零次或多次。（？让它变得懒惰）<\/keyword:ROW> - 匹配 </keyword:ROW>
【讨论】：
为什么不试试xml 模块？
例如。
import xml.etree.ElementTree as ET
tree = ET.parse('example.xml')
root = tree.getroot()
for item in root.findall('keyword:ROW'):
field2 = country.find('field2').text
print field2
参考：https://docs.python.org/2/library/xml.etree.elementtree.html
【讨论】：