Question

我在尝试解析复杂的字符串时遇到了问题。字符串非常长而且充满了模式，但我们可以专注于我需要采取的（仅限于此）。

来自巨大字符串的子字符串是：

... [span class = \＆＃34; review-title \＆＃34;]不会打开[/ span] 我有GS5 而游戏不会打开。当我得到第一个机器人时，我得到了这个游戏。事实上人们自2013年以来就无法参加比赛了公牛。请修复此问题，或者即使开启游戏也没有意义服务器。 [div class = \＆＃34; review-link \＆＃34; ...

现在我想采用粗体斜体文字，我有模式，以[span class = ..] * [/ span] 所需文字 开头[ div ...]这个模式在整个字符串中重复。

我究竟如何从整个字符串中获取此特定文本并逐行写入？

Answer 1

此模式应该获取字符串，只需获取Group 1值：

r'\[span\b[^]]*class=[\\"\']*review-title\b[^]]*][^[]*\[/span\]\s*([^[]*)\[div\b'

或者更通用的不检查class="review-link"：

r'\[span\b[^]]*][^[]*\[/span\]\s*([^[]*)\[div\b'

IDEONE的示例代码：

import re
p = re.compile(ur'\[span\b[^]]*][^[]*\[/span\]\s*([^[]*)\[div\b')
test_str = u"[span class=\"review-title\"]Wont open[/span] I have the GS5 and the game wont open. I got this game when i got the first droid. The fact that people havent been able to play since almost 2013 is bull. Please fix this or there isnt a point in even having the game on the server. [div class=\"review-link\" "
print re.search(p, test_str).group(1)

输出：

I have the GS5 and the game wont open. I got this game when i got the first droid. The fact that people havent been able to play since almost 2013 is bull. Please fix this or there isnt a point in even having the game on the server.

编辑：由于[和]实际上是<和> s，因此{{3} }：

import re
p = re.compile(ur'<span\b[^>]*>[^<]*</span>\s*([^<]*)<div\b')
test_str = u"<span class=\"review-title\">Wont open</span> I have the GS5 and the game wont open. I got this game when i got the first droid. The fact that people havent been able to play since almost 2013 is bull. Please fix this or there isnt a point in even having the game on the server. <div class=\"review-link\" "
print [x.group(1) for x in re.finditer(p, test_str)]

an updated regex and code来说明class属性：

p = re.compile(ur'<span\b[^>]*class\s*=\s*[\\\'"]*review-title[^>]*>[^<]*</span>\s*([^<]*)<div\b')

Answer 2

根据您的评论（“即时通讯难以解决，原始[，]为<，>”），很明显您所拥有的是HTML。

Do not try to parse HTML with regex

这里你想要的是一个HTML解析器。例如：

from bs4 import BeautifulSoup

soup = BeautifulSoup(huge_string)
for span in soup.find_all('span', class='review-title'):
    text = span.next_sibling
    print(text)

即使你拥有的是HTML以某种方式转义（反斜杠转义引号，尖括号变成方括号等），你仍然不想用正则表达式解析它。在这种情况下，最多可能需要使用正则表达式作为预处理器将其重新转换为HTML以提供给HTML解析器。

Answer 3

您似乎只需要这个正则表达式：

(?<=\[/span\])[\s\S]*?(?=\[div)

python中的高级字符串解析

3 个答案: