Question

我有以下python代码：

#!/usr/bin/python
# -*- coding: utf-8 -*-

import re
line = 'div><div class="fieldRow jr_name"><div class="fieldLabel">name<'
regex0 = re.compile('(.+?)\v class="fieldLabel">name.+?', re.VERBOSE | re.UNICODE)
regex1 = re.compile('(.+?)v class="fieldLabel">name.+?', re.VERBOSE | re.UNICODE)
regex2 = re.compile('(.+?) class="fieldLabel">name.+?', re.VERBOSE | re.UNICODE)

m0 = regex0.match(line)
m1 = regex1.match(line)
m2 = regex2.match(line)

if m0:
    print 'regex0 is good'
else:
    print 'regex0 is no good'

if m1:
    print 'regex1 is good'
else:
    print 'regex1 is no good'

if m2:
    print 'regex2 is good'
else:
    print 'regex2 is no good'

输出

regex0 is good
regex1 is no good
regex2 is good

我不太明白为什么我需要在regex0中的“（。+？）”之后转义字符'v'。如果我没有逃脱，这将成为regex1，那么匹配将失败。但是，对于regex3中“（。+？）”之后的空格，我不必逃避。

有什么想法吗？

提前致谢。

Answer 1

因此，您的方法存在一些问题对您的具体投诉有贡献的是：

您不会将te regexp字符串标记为原始（r'前缀） - 这会使Python编译器在字符串内部更改一些前缀字符，然后再进行re.match调用。
“\ v”碰巧就是这样一个字符 - 一个被“\ 0x0b”替换的垂直制表符
您使用“re.VERBOSE”标志 - 它只是告诉regexp引擎忽略任何whitesapce字符。作为垂直制表符的“\ v”是此类中的一个字符，将被忽略。

所以，你有匹配regex0：字母“v”os似乎从来没有这样。

现在，对于您可能的修复方法，按照您应该尝试执行的顺序：

1）不要使用正则表达式来解析HTML。真。有很多软件包可以很好地解析HTML，而且缺少那些可以使用stdlib自己的HTMLParser（Python3中的html.parser）;

2）如果可能的话，使用Python 3而不是Python 2 - 如果继续使用将Python2字符串视为“真实”文本的天真方法，您将被咬到HTML体内的第一个非ASCII字符。 Python 3自动编码处理（当它不是自动时允许显式设置）。

由于您可能无论如何都没有改变，因此请尝试使用regex.findall而不是regex.match - 这将返回匹配字符串的列表，并且可以检索您正在查看的属性，而无需搜索打开文件，或者取决于HTML中的换行符。

Answer 2

Python regex \ v中有一个特殊的符号，你可以在这里阅读： https://docs.python.org/2/library/re.html

Python正则表达式通常用r'your regex'块编写，其中＆＃34; r＆＃34;表示原始字符串。（https://docs.python.org/3/reference/lexical_analysis.html）

在您的代码中，所有特殊字符都应转义为普通字符。例如。如果你写s - 这是空格，\ s只是＆＃34; s＆＃34;。为了使它以相反的方式工作，使用原始字符串。我相信下面这一行是你需要的解决方案。

regex1 = re.compile(r'(.+?)v class="fieldLabel">name.+?', re.VERBOSE | re.UNICODE)

需要在Python的正则表达式中使用特殊字符后逃脱字符？

2 个答案: