Question

我需要从内部单词与我的查询单词匹配的标记中获取特定属性值。例如，考虑一个目标html -

<span data-attr="something" attr1="" ><i>other_word</i></span>
<span data-attr="required" attr1="" ><i>word_to_match</i></span>
<span data-attr="something1" attr1="" ><i>some_other_word</i></span>

现在，我需要获得 ＆＃39;内容词（在本例中为 word_to_match ）与我的查询词匹配的标记的 data-attr 属性值。

问题在于，我写的正则表达式也在返回其他跨度。在这种情况下，我还没能做出非贪婪的正则表达式。

如果它有帮助，我会在python中这样做，并且请不要在这里使用正则表达式＆＃34;的解决方案。

Answer 1

如何使用正则表达式和输出组替换字符串（javascript语法，但我希望python具有类似的功能）？

str.replace(/data-attr="([^"]*)"[^>]*>[^<]*<i>word_to_match</, '$1')

Answer 2

使用正则表达式解析网站并不是一个好主意。你可以使用BeautifulSoup。它可靠而有效：

>>>from bs4 import BeautifulSoup

>>>soup = BeautifulSoup("""
    <span data-attr="something" attr1="" ><i>other_word</i></span>
    <span data-attr="required" attr1="" ><i>word_to_match</i></span>
    <span data-attr="something1" attr1="" ><i>some_other_word</i></span>""")

>>>[x.attrs['data-attr'] for x in soup.select('span') if 'word_to_match' in str(x)][0]
'required'

获取标记属性以匹配正则表达式中的内部单词

2 个答案: