Question

我需要从HTML源文件中找到表单的内容，我做了一些搜索并找到了很好的方法来做到这一点，但问题是它只打印出第一个找到的，我怎么能循环它并输出所有表格内容，而不仅仅是第一个？

line = 'bla bla bla<form>Form 1</form> some text...<form>Form 2</form> more text?'
matchObj = re.search('<form>(.*?)</form>', line, re.S)
print matchObj.group(1)
# Output: Form 1
# I need it to output every form content he found, not just first one...

Answer 1

Do not use regular expressions to parse HTML.

但是如果您需要在字符串中找到所有正则表达式匹配项，请使用findall函数。

import re
line = 'bla bla bla<form>Form 1</form> some text...<form>Form 2</form> more text?'
matches = re.findall('<form>(.*?)</form>', line, re.DOTALL)
print(matches)

# Output: ['Form 1', 'Form 2']

Answer 2

而不是使用re.search使用re.findall，它会返回List中的所有匹配项。或者您也可以使用re.finditer（我最喜欢使用它）它将返回Iterator Object，您可以使用它来迭代所有找到的匹配。

line = 'bla bla bla<form>Form 1</form> some text...<form>Form 2</form> more text?'
for match in re.finditer('<form>(.*?)</form>', line, re.S):
    print match.group(1)

Answer 3

为此目的使用正则表达式是错误的方法。由于您使用的是python，因此您可以使用非常棒的库从HTML文档中提取部件：BeautifulSoup。

Python - 使用正则表达式查找多个匹配并打印出来

3 个答案: