Question

我有一个HTML字符串，如下所示：

<img src="blah blah blah"><p> blah blah
blah blah blah blah blah blah
blah blah blah</p>

如何使用正则表达式阅读blah blah...？我试过（。+？）但它不起作用，并搜索谷歌但没有找到 Python 的解决方案。

谢谢！

Answer 1

通常使用正则表达式解析html的免责声明，这将有效：

import re
match = re.search("<img[^>]*><p>([^<]*)</p>", subject)
if match:
    blahblah = match.group(1)
    print blahblah

<强>解释

<img匹配文字字符
[^>]*匹配任何非>
><p>匹配文字字符
([^<]*)捕获任何非<到第1组的字符（这是我们想要的）
</p>匹配文字字符
match.group(1)包含我们的字符串

Answer 2

给你一个Java的例子：

public static void testRegExp() {
    try {
        String input = "<img src=\"blah blah blah\"><p> blah blah" +
    "\n blah blah blah blah blah blah" +
    "\nblah blah blah</p>";
        Pattern pMod = Pattern.compile("(blah\\s+)+");
        Matcher mMod = pMod.matcher(input);
        int beg = 0;
        while (mMod.find()) {
            System.out.println("--------------");
            System.out.println(mMod.group(0));
        }

    } catch(Exception ex) {
        ex.printStackTrace();
    }
}

输出为：

blah blah

等等等等等等等等等等等等等等等等等等

对于Python，我想regeular表达式是相似的。祝你好运试一试。

Answer 3

你可以尝试使用(?s) DOTALL修饰符

的下面的代码

>>> s = """<img src="blah blah blah"><p> blah blah
... blah blah blah blah blah blah
... blah blah blah</p>"""
>>> import re
>>> m = re.search(r'(?s)(?<=<p>).*?(?=<\/p>)', s).group(0)
>>> print m
 blah blah
blah blah blah blah blah blah
blah blah blah

正则表达式 - 匹配多行中的任何字符

3 个答案:

输出为：

blah blah