Question

我正在解析一个xml文件（下面称为xml），该文件包含两种不同类型的行：

1. <line a="a1" b="b1" c="c1">
2. <line a="a2" c="c2">

我试图仅从第二种类型中提取a2和c2，但是这个正则表达式也捕获了第一种类型：

>>> list = re.findall('<line a="(.*)" c="(.*)">', xml)
>>> print(list)
[('a1" b="b1', 'c1'), ('a2', 'c2')]

我如何捕获第二种类型？

Answer 1

使用适当的XML解析库（如ElementTree）更有意义，而不是诉诸正则表达式。例如：

>>> xmlstr = """\
... <root>
...   <line a="a1" b="b1" c="c1"></line>
...   <line a="a2" c="c2"></line>
... </root>
... """
>>> import xml.etree.ElementTree as ET
>>> root = ET.XML(xmlstr)
>>> root.findall('./line')
[<Element 'line' at 0x226db70>, <Element 'line' at 0x226de48>]
>>> filtered = [line for line in root.findall('./line') if line.get('b') is None]
>>> for line in filtered:
...     print ET.tostring(line)
...
<line a="a2" c="c2" />

>>>

Answer 2

默认情况下，*运算符是贪心的。尝试（[^“] *）而不是（。*）

Python findall和正则表达式

2 个答案: