时间戳

首页 > 解决方案 > 考虑空白时，正则表达式失败

python - 考虑空白时，正则表达式失败

问题描述

我将正则表达式应用于以下字符串：

mystring = '[<tr class="v" id="ctl00_PlaceHolderHalf_ctl01_rot2">
<td><div class="tore_karten"><div style="float:left;padding-right:2px;">Dortmund: </div><a class="link_noicon" href="/news/fussball/bundesliga/vereine/1-bundesliga/2000-01/borussia-dortmund-17/24285/spieler_evanilson.html" style="float:left;">Evanilson</a><div style="float:left;padding-left:2px;">(90., grobes Foulspiel, <a class="link_noicon" href="/news/fussball/bundesliga/vereine/1-bundesliga/2018-19/bayern-muenchen-14/223/spieler_paulo-sergio.html" style="">Paulo Sergio</a>)</div><div class="sep3"></div><div style="float:left;padding-right:2px;">Bayern: </div><a class="link_noicon" href="/news/fussball/bundesliga/vereine/1-bundesliga/2000-01/bayern-muenchen-14/396/spieler_stefan-effenberg.html" style="float:left;">Effenberg</a><div style="float:left;padding-left:2px;">(55., grobes Foulspiel, <a class="link_noicon" href="/news/fussball/bundesliga/vereine/1-bundesliga/2018-19/borussia-dortmund-17/22046/spieler_otto_addo.html" style="">Evanilson</a>)</div><br style="clear:both;"/>
</div>
</td>
</tr>]'

背景：这应该从足球网站捕获被暂停的球员。我想匹配那些实际被罚下的球员（更具体地说，他们的 id 包含在 URL 中），但字符串还包含犯规的球员。

这给了我包含在所有四个玩家 ID 的列表mystring：

import re
re.findall('href=".+?/(\d+?)/spieler_.+?.html"', mystring)

['24285', '223', '396', '22046']

这作为球员太宽容了223，22046没有被罚下。这两种情况可以通过使用右括号来区分。但是，我没有指定正确的regex. 据我了解，这应该可行，但会产生一个空列表：

re.findall('href=".+?/(\d+?)/spieler_.+?.html"\s>.+?</a><div', mystring)

期望的结果：['24285', '396']。我觉得我在.html错误地对待空白之后。我如何需要指定正则表达式？

标签： pythonregex

解决方案

我不确定您为什么使用正则表达式来查找结构化信息中的数字。无论如何，你可以使用这个正则表达式：

import re
re.findall('<\/div><a.*?href=\".+?\/(\d+?)\/spieler_.+?.html\"', mystring)

输出：

['24285', '396']

推荐阅读