我正在尝试使用Python 3中的re模块从HTML文档中提取一些数据。
我下载了此网址的源HTML：http://diablo2.diablowiki.net/Rune_list并将文件重命名为div。
我想要的是id="mw-content-text"块import re
file=open('rune_list.html','r')
data=file.read()
file.close()
pat=re.compile(r'<div id="mw-content-text"[\s\S]*</div>')
found=re.search(pat,data)
，
所以我写了这段代码：
</div>而且......没有找到。我知道也许正则表达式不是那么好，因为据我所知，*的存在可能包括其他div，使得匹配的字符串成为<div id="mw- s的一大块。
但为什么它找不到任何东西？
我尝试了一个与我写的文件相同的模式，一个长字符串
以“</div> ...”开头并以“mw-content-text”结尾，其中包含一些随机表格，以模仿我想要查找的内容：在这种情况下，找到匹配的字符串。正则表达式虽然写得不好，但也应该对原作有效。我知道这些行存在于文档中。
所以我尝试在原始文档上进行更简单的搜索：首先我搜索"mw-content-text"，没有双引号，并找到匹配的字符串。
然后我尝试<div id="mw-，双引号，没有找到任何东西。它没有找到更大的模式，因为它找不到这个。
令人困惑的是，如果我在源页面中手动搜索BeautifulSoup ...（通过浏览器上的“查看页面源”打开），元素就在那里。除此之外，我已经用正则表达式进行了一些搜索在具有类似代码的其他HTML文档上，它可以工作（有点）。我知道（并且使用了一些）这个问题的其他解决方案（例如print），但我想尝试使用正则表达式作为练习。
我错过了什么？