在Python中对这个正则表达式模式感到困惑

Question

我想在我的网页上找到6位数字：

<td style="width:40px;">705214</td>

我的代码是：

s = f.read()
m = re.search(r'\A>\d{6}\Z<', s)
l = m.group(0)

Answer 1

如果您只想在>和<符号之间找到6位数，请使用以下正则表达式：

import re
s = '<td style="width:40px;">705214</td>'
m = re.search(r'>(\d{6})<', s)
l = m.groups()[0]

请注意使用括号(和)来表示捕获组。

Answer 2

我想你想要这样的东西：

m = re.search(r'>(\d{6})<', s)
l = m.group(1)

\d{6}周围的（）表示结果的子组。

如果您想在>和<之间找到多个6位数字串的实例，请尝试以下操作：

s = '<tag1>111111</tag1> <tag2>222222</tag2>'
m = re.findall(r'>(\d{6})<', s)

在这种情况下，m将为['111111','222222']。

Answer 3

您还可以使用前瞻和后视进行检查：

m = re.search(r'(?<=>)\d{6}(?=<)', s)
l = m.group(0)

此正则表达式将匹配6个数字，前面有>，后跟<。

Answer 4

您可能想要检查标记之间的任何空格（制表符，空格，换行符）。 \ s *表示零个或多个空格。

s='<td style="width:40px;">\n\n705214\t\n</td>'
m=re.search(r'>\s*(\d{6})\s*<',s)
m.groups()
('705214',)

解析HTML是一个爆炸。通常，您将文件视为一个长行，删除标记内包含的值之间的前导和尾随空格。也许查看HTML表格解析模块可能会有所帮助，特别是如果您需要解析多个列。

stackoverflow answer using lxml etree 另外，建议使用htmp.parser。值得深思。 （还在学习python提供的模块:)）