Question

我刚开始使用正则表达式，并且正在尝试使用它来解析HTML表格中的一些数据。我试图抓取<tr >和</tr>标记之间的所有内容，然后再次生成类似的正则表达式以创建JSON数组。

我尝试使用它，但它只匹配第一组，而不是所有其他组。

<tr >(.*?)</tr>

如何找到这些标签之间的所有匹配项？

Answer 1

虽然使用正则表达式来完成这项工作是一个坏主意（有很多方法可以解决问题），但你的模式基本上是正确的。

使用Python返回所有匹配

然后问题就是在Python中返回所有匹配或捕获组。有两种基本方法：

finditer
的findall

使用finditer

for match in regex.finditer(subject):
    print("The Overall Match: ", match.group(0))
    print("Group 1: ", match.group(1))

使用findall

findall有点奇怪。当您拥有捕获组时，要访问捕获组和整体匹配，您必须将原始正则表达式包装在括号中（以便捕获整体匹配）。在您的情况下，如果您希望能够访问标记的外部和内部（使用第1组捕获），则正则表达式将变为：(<tr >(.*?)</tr>)。然后你做：

matches = regex.findall(subject)
if len(matches)>0:
    for match in matches:
        print ("The Overall Match: ",match[0])
        print ("Group 1: ",match[1])

Answer 2

它对我有用，也许你需要使用findall，或者你可能没有使用原始字符串？

import re

txt = '''<tr >foo</tr><tr >bar

</tr>

<tr >baz</tr>'''

# Be sure to use the DOTALL flag so the newlines are matched by the dot as well.
re.findall(r'<tr >(.*?)</tr>', txt, re.DOTALL)

返回

['foo', 'bar\n\n', 'baz']

使用regex查找两个字符串之间的所有匹配项

2 个答案: