梳理循环

Question

两个程序都在读取相同的XML文件。第一个程序复制<text></text>个标签之间的所有数据。第二个程序从<text></text>标签复制有限数据。

我想只限制数据。因此可以在第一个程序中使用此语句：

m = re.search(r'(?ms).*?{{(Infobox film.*?)}}', t.text)

---

第一个程序

from lxml import etree
doc = etree.parse('file.xml')
def first(seq,default=None):
  for item in seq:
    return item
  return default
    NSMAP=dict(mw="http://www.mediawiki.org/xml/export-0.5/")
for i,page in enumerate(doc.xpath('/mw:mediawiki/mw:page',namespaces=NSMAP)):
  text = first(page.xpath('./mw:revision/mw:text/text()',namespaces=NSMAP))
  id = first(page.xpath('./mw:id/text()',namespaces=NSMAP))
  title = first(page.xpath('./mw:title/text()',namespaces=NSMAP))
  print " %s"  % (text)

---

第二个计划

import re
from xml.etree import ElementTree
with open('file.xml') as f:
    xml = ElementTree.parse(f)
    for t in xml.findall('//{http://www.mediawiki.org/xml/export-0.5/}text'):
    print '===================='
    m = re.search(r'(?ms).*?{{(Infobox film.*?)}}', t.text)
    if m:
        print m.group(1)

更新：请帮帮我。还有其他选择吗？

Answer 1

我认为你没有理由在第一个程序结束时无法执行以下操作：

m = re.search(r'(?ms).*?{{(Infobox film.*?)}}', text)
if m:
    print m.group(1)

根据您的描述，您的text变量应包含所有文本，然后您的正则表达式应该能够从中过滤掉必要的部分。