Question

我正在尝试提取名称：“Harrisburg”＆amp; “Gujranwala”来自以下两段代码：

<td><a href="/worldclock/city.html?n=97">Harrisburg</a><span id=p217s class=wds> *</span></td>
<td><a href="/worldclock/city.html?n=3551">Gujranwala</a><span id=p204s class=wds></span></td>

到目前为止，Regex无效，如何解决？

My Regex：

(?<=<td><a href="\/worldclock\/city\.html\?n=[0-9]{0, 5}">).*(?=<\/a><span id=p[0-9]{0, 4}s class=wds>( \*)</span><\/td>)

正则表达式适用于python。 Thanku

Answer 1

import re

city_html = """<td><a href="/worldclock/city.html?n=97">Harrisburg</a><span id=p217s class=wds> *</span></td>
               <td><a href="/worldclock/city.html?n=3551">Gujranwala</a><span id=p204s class=wds></span></td>"""

cities = re.findall(r'(?:city\.html.*?>)(.*?)(?:<)', city_html)
# cities == ['Harrisburg', 'Gujranwala']

这个RegEx正在做的是寻找city.html ... >并抓住它之后的所有内容，直到下一个<。

Answer 2

根据原始数据的变化，您不需要指定整行，只需要指定要捕获的部分......“活性成分”是捕获所有非{{{开始标记后的1}}个字符... <

>([^<]+)<

Answer 3

试试这个正则表达式：

([^>]*)<\s*/a\s*>

Answer 4

除非lookbehind子表达式具有固定长度，否则您无法使用lookbehinds。这是因为正则表达式引擎需要知道从哪里开始寻找匹配。在这种情况下，[0-9]{0, 5}部分表示正则表达式可以匹配不同长度的字符串。（至少这是它在Perl中的工作方式。）

修复正则表达式以从HTML中提取城市名称

4 个答案: