如何在不使用re.split（）的情况下才能使用正则表达式？

Question

我很抱歉这个头衔，我不知道如何正确地问这个。

我想使用python2.7的re库解析一个HTML文件。我知道我应该使用BeautifulSoup或类似的东西进行解析，但这并不重要。

此HTML文件中有一部分：<br>(40%)</TD>。在此示例中，数字（此处为40）会不时发生变化。

我想将此数字用作变量。要完成这项工作，我正在使用re.split()拆分40之前的所有内容以及40之后的所有内容：

html = getHtmlTextFromWebsite()
very_important_number = int(re.split("%\)</TD>", (re.split("<br>\(", html))[1])[0])

我发现这是一种非常麻烦的方法，我想知道是否有更好的方法。

Answer 1

如果你需要的只是拥有号码，你应该使用match（第一场比赛）或发现者（所有比赛）功能。

import re
p = re.compile("<br>\((\d+%)\)<\/TD>", re.IGNORECASE)
for m in p.finditer(html_code):
    print m.start(), m.group()

它还会为您提供找到的每个号码的位置。

Answer 2

这不是你问过的正则表达式，但它删除了数字前后的所有内容：

very_important_number = int(html.strip("abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ%()<>br/"))

对于正则表达式，您可以使用re.match method。

希望这有帮助！

Answer 3

怎么样？

r = re.compile(r'<br>\((\d+)%\)</TD>', re.I)
m = r.search(text)
print m.group(1)

在这里，您可以search了解整个文本中的确切模式，并将其与“环境”（匹配）一起使用。从匹配中，您现在提取组＃1（()封闭的部分）。

你也可以search without a compiled re object：

m = re.search(r'<br>\((\d+)%\)</TD>', text, re.I)
print m.group(1)

Answer 4

你可以试试这个

import re
html = getHtmlTextFromWebsite()
number = re.findall(r'<br>(.*?)%</br>', html)

打印号码：

print number[0]

使用示例文本打印40。