J'ai ce code:Python: HTML regex ne correspond pas à
reg = re.search('<div class="col result_name">(.*)</div>', html)
print 'Value is', reg.group()
Où 'html' contient quelque chose comme ceci:
<div class="col result_name">
<h4>Blah</h4>
<p>
blah
</p>
</div>
Mais il ne rien retourner.
Value is
Traceback (most recent call last):
File "run.py", line 37, in <module>
print 'Value is', reg.group()
N'utilisez pas regex pour analyser html. Utilisez un analyseur html
import lxml.html
doc = lxml.html.fromstring(your_html)
result = doc.xpath("//div[@class='col result_name']")
print result
lien obligatoire:
Je reçois des résultats comme ceci: [
@Zeno: Oui, ce sont tous les divs lxml trouvé dans votre code HTML. Les éléments. Vous pouvez les imprimer ou faire d'autres analyses avec eux. Par exemple, essayez ceci: 'pour onediv dans le résultat: print lxml.html.tostring (onediv, pretty_print = True)' – nosklo
Est-ce que xpath supporte regex? Je veux faire quelque chose comme (col | row) là-dedans. – Zeno
Le point ne correspond pas à neccessarily nouvelles lignes REs, vous avez besoin du DOTALL drapeau (?s) pour cela.
http://docs.python.org/library/re.html:
Les caractères spéciaux sont:
'' (point.) Dans le mode par défaut, cela correspond à tout caractère à l'exception d'une nouvelle ligne. Si le drapeau DOTALL a été spécifié, ceci correspond à n'importe quel caractère incluant une nouvelle ligne.
... et voilà pourquoi vous ne devriez pas * * 'parse' HTML avec regex. – user225312
[Lire ceci] (http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags/1732454#1732454) puis utilisez les outils appropriés pour analyser html. –
@A A: non ce n'est pas le cas.