使用正则表达式在Python中解析XML

Question

我正在尝试使用正则表达式来解析XML文件(在我的情况下,这似乎是最简单的方法).

例如,一行可能是:

line='<City_State>PLAINSBORO, NJ 08536-1906</City_State>'

要访问标签City_State的文本,我正在使用:

attr = re.match('>.*<', line)

但没有任何回报.

有人可以指出我做错了吗？

Answer 1

你通常不想使用re.match.引用文档:

如果要在字符串中的任何位置找到匹配项,请改用search()(另请参阅search()与match()).

注意:

>>> print re.match('>.*<', line)
None
>>> print re.search('>.*<', line)
<_sre.SRE_Match object at 0x10f666238>
>>> print re.search('>.*<', line).group(0)
>PLAINSBORO, NJ 08536-1906<

另外,当你可以使用像BeautifulSoup++ 这样的东西时,为什么要用正则表达式解析XML .

>>> from bs4 import BeautifulSoup as BS
>>> line='<City_State>PLAINSBORO, NJ 08536-1906</City_State>'
>>> soup = BS(line)
>>> print soup.find('city_state').text
PLAINSBORO, NJ 08536-1906

Answer 2

请使用像ElementTree这样的XML解析器

>>> from xml.etree import ElementTree as ET
>>> line='<City_State>PLAINSBORO, NJ 08536-1906</City_State>'
>>> ET.fromstring(line).text
'PLAINSBORO, NJ 08536-1906'