Question

是否有人就如何制作正则表达式以查找<time>和</time>中的所有字符串有一些指导？以下代码中有3种情况。我必须使用正则表达式在列表中的时间和/时间之间返回3个字符串。

<tabular>
  <time from="2015-09-23T23:00:00" to="2015-09-24T00:00:00" period="3">
    <!-- Valid from 2015-09-23T23:00:00 to 2015-09-24T00:00:00 -->
    <symbol number="4" numberEx="4" name="Cloudy" var="04" />
    <precipitation value="0" />
    <!-- Valid at 2015-09-23T23:00:00 -->
    <windDirection deg="118.5" code="ESE" name="East-southeast" />
    <windSpeed mps="1.2" name="Light air" />
    <temperature unit="celsius" value="12" />
    <pressure unit="hPa" value="1010.4" />
  </time>
  <time from="2015-09-24T00:00:00" to="2015-09-24T06:00:00" period="0">
    <!-- Valid from 2015-09-24T00:00:00 to 2015-09-24T06:00:00 -->
    <symbol number="4" numberEx="4" name="Cloudy" var="04" />
    <precipitation value="0" />
    <!-- Valid at 2015-09-24T00:00:00 -->
    <windDirection deg="94.7" code="E" name="East" />
    <windSpeed mps="1.9" name="Light breeze" />
    <temperature unit="celsius" value="12" />
    <pressure unit="hPa" value="1010.4" />
  </time>
  <time from="2015-09-24T06:00:00" to="2015-09-24T12:00:00" period="1">
    <!-- Valid from 2015-09-24T06:00:00 to 2015-09-24T12:00:00 -->
    <symbol number="4" numberEx="4" name="Cloudy" var="04" />
    <precipitation value="0" minvalue="0" maxvalue="0.3" />
    <!-- Valid at 2015-09-24T06:00:00 -->
    <windDirection deg="122.9" code="ESE" name="East-southeast" />
    <windSpeed mps="2.6" name="Light breeze" />
    <temperature unit="celsius" value="12" />
    <pressure unit="hPa" value="1009.3" />
  </time>
</tabular>

Answer 1

它是一个xml文件，因此不使用正则表达式，为什么不使用XPATH。您可以使用名为lxml的python库来支持XPATH语言。我不知道您的确切用例，但示例代码应该是： -

from lxml import etree

xml_doc = etree.fromstring(xml_string) # assuming xml_string is xml_content

xpath_expression = '/tabular/time/text()' # change it according to your use case

data = xml_doc.xpath(xpath_expression)

XPATH Tutorial

Answer 2

这将获取每个时间元素的内容，如下所示：

re.findall("<time[^>]*>(.*?)<\/time>",xmldata, re.DOTALL)

我仍然建议使用正则表达式的XML库。

如果您也想要time个元素，请使用：

re.findall("<time[^>]*>.*?<\/time>",xmldata, re.DOTALL)

Answer 3

使用lxml：

from lxml import etree

xmlString = '''<tabular>
...'''

tree = etree.fromstring(xmlString)

res = []

for timeNd in tree.xpath('//tabular/time'): 
    res.append(''.join([etree.tostring(node) for node in timeNd]))

print(res)

XPath查询//tabular/time选择所有time个节点，然后为每个节点连接子节点字符串，并将结果字符串附加到列表res。

Answer 4

试试这个

re.findall(r'<time[^>]*>.*?<\/time>', 'XMLSTRING', re.DOTALL)

Answer 5

尝试

<time[^>]*>(.*?)<\/time>

返回三个匹配组。请查看here（请注意global和singel line标记）

此致

Answer 6

它无法完成，因为XML不是常规语言（这是计算机科学中的技术术语）。任何尝试都会捕获一些你不想捕获的字符串（例如，旨在混淆你的正则表达式匹配器的XML注释），或者无法捕获一些你应该匹配的字符串（例如，在你所做的地方包含注释的元素）＃39; t期待他们）。要处理XML，请始终使用XML解析器。

正则表达式在标签内查找字符串

6 个答案: