Question

我正在抓取一个HTML结构非常糟糕的网站，我正在收到这样的文字

示例：

Creator:
\r\r
My Name
\r\r
Date created:
\r\r
123123
<br><br>
Title:
\r\r
Title here
\r\r

我希望它看起来像

Creator: My Name
\r\r
Date created:123123
Title:Title here
\r\r

我有这个正则表达式_str = re.sub('\r+','',_str)但我知道它错了，因为它取代了所有\r

有没有办法迭代re.sub()？或者你有任何想法我如何实现我的目标？

Answer 1

你应该尝试更换：

:
\r\r

:

Answer 2

您可以仅将for $x in library/book where $x/about = "Programming" return data (library/author[@ID=$x/author/@ref])模式+下一组（包括下一个\r\r模式）替换为第二部分。

\r\r

（我希望通过正向查找来实现，但在这里使用以下模式）

Answer 3

它必须是正则表达式吗？

s1 = 'Creator:\r\rMy Name\r\rDate created:\r\r123123<br><br>Title:\r\rTitle here\r\r'
s2 = ''.join(l + '\r\r' * (n % 3 == 1) for n, l in enumerate(s1.split('\r\r')))
// s2 == 'Creator:My Name\r\rDate created:123123<br><br>Title:Title here\r\r'

仅替换偶数出现的re.sub（） - Python Regex

3 个答案: