我想<tr>从html页面中提取标签之间的数据.我使用了以下代码.但我没有得到任何结果.<tr>标签之间的html 是多行的
category =re.findall('<tr>(.*?)</tr>',data);
请建议修复此问题.
Sil*_*ost 17
只是为了解决这个问题.尽管所有这些链接在re.M这里都不起作用,因为简单的略读其解释会揭示.你需要re.S,如果你不想尝试解析html,当然:
>>> doc = """<table border="1">
<tr>
<td>row 1, cell 1</td>
<td>row 1, cell 2</td>
</tr>
<tr>
<td>row 2, cell 1</td>
<td>row 2, cell 2</td>
</tr>
</table>"""
>>> re.findall('<tr>(.*?)</tr>', doc, re.S)
['\n <td>row 1, cell 1</td>\n <td>row 1, cell 2</td>\n ',
'\n <td>row 2, cell 1</td>\n <td>row 2, cell 2</td>\n ']
>>> re.findall('<tr>(.*?)</tr>', doc, re.M)
[]
不要使用正则表达式,使用HTML解析器,如BeautifulSoup:
html = '<html><body>foo<tr>bar</tr>baz<tr>qux</tr></body></html>'
import BeautifulSoup
soup = BeautifulSoup.BeautifulSoup(html)
print soup.findAll("tr")
结果:
[<tr>bar</tr>, <tr>qux</tr>]
如果你只想要内容,没有tr标签:
for tr in soup.findAll("tr"):
print tr.contents
结果:
bar
qux
使用HTML解析器并不像听起来那么可怕!并且它将比将在此处发布的任何正则表达式更可靠地工作.