Question

我有一个字符串：

s = '&nbsp;<span>Mil<\/span><\/th><td align=\"right\" headers=\"Y0 i7\">112<\/td><td align=\"right\" headers=\"Y1 i7\">113<\/td><td align=\"right\" headers=\"Y2 i7\">110<\/td><td align=\"right\" headers=\"Y3 i7\">107<\/td><td align=\"right\" headers=\"Y4 i7\">105<\/td><td align=\"right\" headers=\"Y5 i7\">95<\/td><td align=\"right\" headers=\"Y6 i7\">95<\/td><td align=\"right\" headers=\"Y7 i7\">87<\/td><td align=\"right\" headers=\"Y8 i7\">77<\/td><td align=\"right\" headers=\"Y9 i7\">74<\/td><td align=\"right\" headers=\"Y10 i7\">74<\/td><\/tr>'

我想从字符串中提取这些数字：

112 113 110 107 105 95 95 87 77 74 74

我不是正则表达式的专家，所以任何人都可以告诉我，为什么这不会返回任何匹配项：

p = re.compile(r'&nbsp;.*(>\d*<\\/td>.*)*<\\/tr>')
m = p.match(s)

我确信有一个html / xml解析模块可以解决我的问题，我也可以分割字符串并处理该输出，但我真的想用re模块来做。谢谢！

Answer 1

>>> r = re.compile(r'headers="Y\d+ i\d+">(\d+)<\\/td>')
>>> r.findall(s)
['112', '113', '110', '107', '105', '95', '95', '87', '77', '74', '74']
>>>

Answer 2

您想要的所有数字都在“＆gt;”之间和“＆lt;”。所以，你可以这样做：

re.findall(">(\d+)<", s)

输出：

['112', '113', '110', '107', '105', '95', '95', '87', '77', '74', '74']

基本上，它是说每个数字流都在“＆gt;”之间和“＆lt;”。然后，使用set，您只能获得唯一的。

Answer 3

其他答案给出了可行的正则表达式，但值得理解为什么你的正则表达式没有。

你所有的比赛都是贪婪的和可选的（*）。所以你的正则表达式说：

 
任何内容的0个或更多字符
0次或更多次捕获组
</tr>

“0或更多任何字符”会占用字符串的其余部分，不会为捕获组留下任何内容，因为它是可选的，因此成功匹配。

如果您想重新设计正则表达式，您可能希望使用.*?而不是.*来匹配字符串开头的垃圾。 ?使得匹配不正确，因此它将匹配尽可能少的字符而不是尽可能多的字符。

Answer 4

你的表达式没有返回任何匹配，因为我写错了。而不是打印：

p = re.compile(r'&nbsp;.*(>\d*<\\/td>.*)*<\\/tr>')
m = p.match(s)

您可能应该打印出来：

>>> p = re.compile(r'headers="Y\d+ i\d+">(\d+)<\\/td>')
>>> p.findall(s)
['112', '113', '110', '107', '105', '95', '95', '87', '77', '74', '74']

python，多个匹配组

4 个答案: