时间戳

首页 > 解决方案 > Python re.findall 仅返回第一个匹配项

python-3.x - Python re.findall 仅返回第一个匹配项

问题描述

我对此有点坚持，在这里没有发现类似的问题。

我想获取字符串中所有标签元素的列表，例如<a>->a或</b>->b

import re

s = '<p><a href="http://www.quackit.com/html/tutorial/html_links.cfm">Example Link</a></p>'
pat = r'<\s*(\w+)/?\s*.*>'
tags = re.findall(pat, s)
print(tags)

结果我得到['p']了这里。如果我将其更改为\w+，[a-d]+我就会得到['a']结果。

我希望结果['p', 'a', 'a', 'p']或至少所有不同的标签值。

我在这里做错了什么？谢谢！

使用 Python 3.x

标签： python-3.xregexfindallre

解决方案

首先，您需要使您的模式匹配非贪婪（切换.*到.*?）。您可以在 Python文档中给出的示例中阅读更多相关信息（他们甚至使用 HTML 标记作为示例！）。

其次，该/?部分应该在开头，而不是在标签名称之后\w+。

此外，第二个\s*是多余的，因为.*也会捕获空格。

import re

s = '<p><a href="http://www.quackit.com/html/tutorial/html_links.cfm">Example Link</a></p>'
pat = r'</?\s*(\w+).*?>'
tags = re.findall(pat, s)
print(tags)

输出：

['p', 'a', 'a', 'p']

对于更通用的解决方案，请考虑使用BeautifulSouporHTMLParser代替：

from html.parser import HTMLParser

class HTMLTagParser(HTMLParser):

    def handle_starttag(self, tag, attrs):
        tags.append(tag)

    def handle_endtag(self, tag):
        tags.append(tag)

s = '<p><a href="http://www.quackit.com/html/tutorial/html_links.cfm">Example Link</a></p>'
tags = []
parser = HTMLTagParser()
parser.feed(s)
print(tags)

输出：

['p', 'a', 'a', 'p']

该方法适用于任意 HTML（因为当您最小化所做的假设时，正则表达式可能会变得混乱）。注意，对于开始标签，attrs参数 inhandle_starttag也可以用来检索标签的属性，如果你需要的话。

推荐阅读