Question

我正在尝试解析Google建议中的关键字，这是网址：

http://google.com/complete/search?output=toolbar&q=test

我用php完成了它：

'|<CompleteSuggestion><suggestion data="(.*?)"/><num_queries int="(.*?)"/></CompleteSuggestion>|is'

但是这不适用于python re.match（模式，字符串），我尝试了一些，但有些显示错误，有些返回None。

我如何解析该信息？我不想使用minidom，因为我认为正则表达式会减少代码。

Answer 1

您可以使用etree：

>>> from xml.etree.ElementTree import XMLParser
>>> x = XMLParser()
>>> x.feed('<toplevel><CompleteSuggestion><suggestion data=...')
>>> tree = x.close()
>>> [(e.find('suggestion').get('data'), int(e.find('num_queries').get('int')))
     for e in tree.findall('CompleteSuggestion')]
[('test internet speed', 31800000), ('test', 686000000), ...]

它比正则表达式更多的代码，但它也做得更多。具体来说，它将一次性获取整个匹配列表，并在data属性中取消任何奇怪的内容，如双引号。如果其他元素开始出现在XML中，也不会感到困惑。

Answer 2

RegEx match open tags except XHTML self-contained tags

这是一个XML文档。请重新考虑XML解析器。它会更强大，最终可能会花费更少的时间，即使代码更多。

如何在python中正则表达式？

2 个答案: