在HTML中的P标记内匹配文本

Question

我想使用python正则表达式匹配html中每个段落中的内容。这些段落里面总是有BR标签，如下所示：

<p class="thisClass">this is nice <br /><br /> isn't it?</p>

我目前正在使用这种模式：

pattern = re.compile('<p class=\"thisClass\">(.*?)<\/p>')

然后我正在使用：

pattern.findall(html)

找到所有比赛。但是，它只匹配我所拥有的28个段落中的两个，看起来那是因为那两个内部没有BR标签而其余部分都没有。我究竟做错了什么？我该怎么办才能修复它？谢谢！

Answer 1

我不认为它因<br/>而失败，而是因为段落分布在多行中。使用DOTALL模式解决此问题：

pattern = re.compile('<p class=\"thisClass\">(.*?)<\/p>', re.DOTALL)

Answer 2

事实证明，答案是将re.S包含为允许“。”的标志。字符也匹配换行符。

pattern = re.compile('<p class=\"thisClass\">(.*?)<\/p>', re.S)

这很有效。