[已解决]【正则表达式】匹配出错。。。原谅我实在找不了不同

脑子

对于以下俩坨：

1. <a href="/htmlnews/2018/2/401948.shtm" target="_blank" onmouseover="javascript:this.style.color='#ba1414'" onmouseout="javascript:this.style.color='#333333'" style="color: rgb(51, 51, 51);">六年200高校更名：想成名校不能只改校名</a>
   
2. 
   
3. <a href="/htmlnews/2018/2/402593.shtm" target="_blank">
   
4.                                                   香港设立抗战博物馆
   
5.                                               </a>

复制代码

我想把

1. htmlnews/2018/2/401948.shtm" target="_blank" onmouseover="javascript:this.style.color='#ba1414'" onmouseout="javascript:this.style.color='#333333'" style="color: rgb(51, 51, 51);">六年200高校更名：想成名校不能只改校名</a>
   

复制代码

和

1. htmlnews/2018/2/402593.shtm" target="_blank">
   
2.                                                   香港设立抗战博物馆
   
3.                                               </a>

复制代码

用正则表达式给找出来。

然而。。。

1. >>> p=ur'/htmlnews/[^\n]+.shtm"[^。]*</a>'
   
2. >>> urls=re.findall(p,'''cellspacing="0" width="100%">
   
3.                                  
   
4.                                       <tr onmouseover="javascript:this.style.backgroundColor='#f5ecec'" onmouseout="javascript:this.style.backgroundColor=''">
   
5.                                           <td align="left" valign="top" width="60%" style="font-size:5px">
   
6.                                              <img src="/images/t11.gif" alt="" /> <a  href='/htmlnews/2018/2/402590.shtm' target="_blank" >
   
7.                                                   武警部队组织第一期新军事训练大纲集训
   
8.                                               </a><a href="/htmlnews/2018/2/401948.shtm" target="_blank" onmouseover="javascript:this.style.color='#ba1414'" onmouseout="javascript:this.style.color='#333333'" style="color: rgb(51, 51, 51);">六年200高校更名：想成名校不能只改校名</a>''')
   
9. >>> urls
   
10. ['/htmlnews/2018/2/401948.shtm" target="_blank" onmouseover="javascript:this.style.color=\'#ba1414\'" onmouseout="javascript:this.style.color=\'#333333\'" style="color: rgb(51, 51, 51);">\xc1\xf9\xc4\xea200\xb8\xdf\xd0\xa3\xb8\xfc\xc3\xfb\xa3\xba\xcf\xeb\xb3\xc9\xc3\xfb\xd0\xa3\xb2\xbb\xc4\xdc\xd6\xbb\xb8\xc4\xd0\xa3\xc3\xfb</a>']

复制代码

如上，我的正则只能匹配其中一个
急求解！！！

最佳答案

月排行榜 / 总排行榜

lies_for_L

2018-2-9 20:35:26

脑子 发表于 2018-2-9 14:38
仍然不行。。。
我发现也许原因是含有换行符的缘故？

!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
.*?
.*?
.*?
.*?
.*?
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

1. # 测试代码
   
2. import re
   
3. a = '''<a href="/htmlnews/2018/2/401948.shtm" target="_blank" onmouseover="javascript:this.style.color='#ba1414'" onmouseout="javascript:this.style.color='#333333'" style="color: rgb(51, 51, 51);">六年200高校更名：想成名校不能只改校名</a>
   
4. 
   
5. <a href="/htmlnews/2018/2/402593.shtm" target="_blank">
   
6.                                                   香港设立抗战博物馆
   
7.                                               </a>'''
   
8. print("p=r'/htmlnews/.+?.shtm".*?</a>'测试开始")
   
9. p=r'/htmlnews/.+?.shtm".*?</a>'
   
10. x=re.compile(p,re.DOTALL)
    
11. result = x.findall(a)
    
12. print('匹配结果:%d'%len(result))
    
13. for i, count in zip(result,range(1,10)):
    
14.     print('第%d条匹配结果: %s'%(count, i))
    
15. print('###########################################################')
    
16.       
    
17. print("re_pattern = '<a href="/htmlnews/[\\w/]+.*?</a>'测试开始")
    
18. re_pattern = '<a href="/htmlnews/[\\w/]+.*?</a>'
    
19. x=re.compile(re_pattern,re.DOTALL)
    
20. result = x.findall(a)
    
21. print('匹配结果:%d'%len(result))
    
22. for i, count in zip(result,range(1, 10)):
    
23.     print('第%d条匹配结果: %s'%(count, i))
    
24. print('###########################################################')
    
25. 
    
26. print("re_pattern = '/htmlnews/[\\w/]+\\.shtm'测试开始")
    
27. re_pattern = '/htmlnews/[\\w/]+\\.shtm'
    
28. x=re.compile(re_pattern,re.DOTALL)
    
29. result = x.findall(a)
    
30. print('匹配结果:%d'%len(result))
    
31. for i, count in zip(result,range(1, 10)):
    
32.     print('第%d条匹配结果: %s'%(count, i))
    
33. print('###########################################################')
    
34. 
    
35. print("re_pattern = '<a href="(/htmlnews/[\\w/]+\\.shtm).*?</a>'测试开始")
    
36. re_pattern = '<a href="(/htmlnews/[\\w/]+\\.shtm).*?</a>'
    
37. x=re.compile(re_pattern,re.DOTALL)
    
38. result = x.findall(a)
    
39. print('匹配结果:%d'%len(result))
    
40. for i, count in zip(result,range(1, 10)):
    
41.     print('第%d条匹配结果: %s'%(count, i))
    
42. print('###########################################################')
    
43. 
    
44. 
    
45. 
    

复制代码

结果

跳转到最佳答案楼层

lies_for_L

既然是网页就不要直接用正则提取，正则一般是用在最后数据提取的，之前的可以用bs4等等做处理

1. # 整个含/htmlnews/ 的a标签
   
2. re_pattern = '<a href="/htmlnews/[\\w/]+.*?</a>'
   
3. # 只有href
   
4. re_pattern = '/htmlnews/[\\w/]+\\.shtm'
   
5. re_pattern = '<a href="(/htmlnews/[\\w/]+\\.shtm).*?</a>'
   

复制代码

脑子

lies_for_L 发表于 2018-2-9 09:46
既然是网页就不要直接用正则提取，正则一般是用在最后数据提取的，之前的可以用bs4等等做处理

仍然不行。。。
我发现也许原因是含有换行符的缘故？

于是我修改了代码

1. >>> p=ur'/htmlnews/.+.shtm".*</a>'
   
2. >>> x=re.compile(p,re.DOTALL)
   
3. >>> x.findall(s)#在DOTALL模式下，符号'.'可以匹配包括换行符在内的所有字符

复制代码

：

仍然不行？？？

lies_for_L

脑子 发表于 2018-2-9 14:38
仍然不行。。。
我发现也许原因是含有换行符的缘故？

!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
.*?
.*?
.*?
.*?
.*?
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

1. # 测试代码
   
2. import re
   
3. a = '''<a href="/htmlnews/2018/2/401948.shtm" target="_blank" onmouseover="javascript:this.style.color='#ba1414'" onmouseout="javascript:this.style.color='#333333'" style="color: rgb(51, 51, 51);">六年200高校更名：想成名校不能只改校名</a>
   
4. 
   
5. <a href="/htmlnews/2018/2/402593.shtm" target="_blank">
   
6.                                                   香港设立抗战博物馆
   
7.                                               </a>'''
   
8. print("p=r'/htmlnews/.+?.shtm".*?</a>'测试开始")
   
9. p=r'/htmlnews/.+?.shtm".*?</a>'
   
10. x=re.compile(p,re.DOTALL)
    
11. result = x.findall(a)
    
12. print('匹配结果:%d'%len(result))
    
13. for i, count in zip(result,range(1,10)):
    
14.     print('第%d条匹配结果: %s'%(count, i))
    
15. print('###########################################################')
    
16.       
    
17. print("re_pattern = '<a href="/htmlnews/[\\w/]+.*?</a>'测试开始")
    
18. re_pattern = '<a href="/htmlnews/[\\w/]+.*?</a>'
    
19. x=re.compile(re_pattern,re.DOTALL)
    
20. result = x.findall(a)
    
21. print('匹配结果:%d'%len(result))
    
22. for i, count in zip(result,range(1, 10)):
    
23.     print('第%d条匹配结果: %s'%(count, i))
    
24. print('###########################################################')
    
25. 
    
26. print("re_pattern = '/htmlnews/[\\w/]+\\.shtm'测试开始")
    
27. re_pattern = '/htmlnews/[\\w/]+\\.shtm'
    
28. x=re.compile(re_pattern,re.DOTALL)
    
29. result = x.findall(a)
    
30. print('匹配结果:%d'%len(result))
    
31. for i, count in zip(result,range(1, 10)):
    
32.     print('第%d条匹配结果: %s'%(count, i))
    
33. print('###########################################################')
    
34. 
    
35. print("re_pattern = '<a href="(/htmlnews/[\\w/]+\\.shtm).*?</a>'测试开始")
    
36. re_pattern = '<a href="(/htmlnews/[\\w/]+\\.shtm).*?</a>'
    
37. x=re.compile(re_pattern,re.DOTALL)
    
38. result = x.findall(a)
    
39. print('匹配结果:%d'%len(result))
    
40. for i, count in zip(result,range(1, 10)):
    
41.     print('第%d条匹配结果: %s'%(count, i))
    
42. print('###########################################################')
    
43. 
    
44. 
    
45. 
    

复制代码

结果

bit7maker

小甲鱼曾经说，面临一个问题，如果你要用正则表达式来解决，那么现在你就有两个问题了

脑子

bit7maker 发表于 2018-2-16 22:05
小甲鱼曾经说，面临一个问题，如果你要用正则表达式来解决，那么现在你就有两个问题了

感觉到了正则的恶意