在[Python] <table> </table>中查找所有TR（来自html）

Question

我希望得到我所有的内容。 我写了这段代码：

matchObj = re.search(r'<tr>(.*?)</tr>', txt, re.M|re.I|re.S)

但我只得到了第一组。

我如何获得所有团体？

提前致谢：）

Answer 1

findall

matchObj = re.findall(r'<tr>(.*?)</tr>', txt, re.M|re.I|re.S)

search只找到给定字符串中的第一个。

您可以在regex中了解有关可以使用的不同方法的更多信息。

然而，看起来你正在解析HTML。为什么不使用HTMl parser？

Answer 2

要使用re.findall()获得多个匹配项。

然而，使用正则表达式来解析HTML将变得非常丑陋和复杂。改为使用正确的HTML解析器。

Python有几个可供选择：

• ElementTree是标准库的一部分
• BeautifulSoup是受欢迎的第三方图书馆
• lxml是一个快速且功能丰富的基于C的库。

ElementTree示例：

from xml.etree import ElementTree

tree = ElementTree.parse('filename.html')
for elem in tree.findall('tr'):
    print ElementTree.tostring(elem)

BeautifulSoup示例：

from bs4 import BeautifulSoup

soup = BeautifulSoup(open('filename.html'))
for row in soup.select('table tr'):
    print row