关于正则表达式求助，谢谢

xue11

html如下：
html = '''<tr class="" onmousemove="cursorOver(this)" onmouseout="cursorOut(this)" onclick="selectResult('4512')">
                    <td style="width:70px;" align="left">河西</td>
    <td style="width:80px;" align="left">公告</td>
    <td style="width:280px;" align="left">
            <a href="#this">监控类型</a>
    </td>
                    <td style="width:100px" align="left">2018-4-1</td>
  </tr>


<tr class="jtgs_table_td_bg" onmousemove="cursorOver(this)" onmouseout="cursorOut(this)" onclick="selectResult('4514')">
                    <td style="width:70px;" align="left">中心</td>
    <td style="width:80px;" align="left">公告</td>
    <td style="width:280px;" align="left">
            <a href="#this" title="比选类型">监控数据模型...</a>
    </td>
                    <td style="width:100px" align="left">2018-4-3</td>
  </tr>
'''
自己写的正则如下：
pattern = re.compile(r'\</tr\>.*?cursorOver\(this\)\".*?selectResult\(\'(\d+)\'\)"\>.*?width:70px.*?left"\>(.*?)\</td\>'
                         +'.*?width:80px.*?left"\>(.*?)\</td\>'
                        ，re.S)
   
items = re.findall(pattern,html)
print(items)

目前只匹配了一半，匹配结果为[('4512', '河西', '公告'), ('4514', '中心', '公告')]
个人想匹配后提取结果如下[('4512', '河西', '公告'，监控类型，2018-4-1), ('4514', '中心', '公告'，比选类型，2018-4-3)]
求各位大神能否补充下半部分，主要有两种情况，实在判断不好，需要全匹配后提取；感谢

kaohsing

凑活着用吧

1. # py3.7  pycharm
   
2. 
   
3. import re
   
4. html = '''<tr class="" onmousemove="cursorOver(this)" onmouseout="cursorOut(this)" onclick="selectResult('4512')">
   
5.                     <td style="width:70px;" align="left">河西</td>
   
6.     <td style="width:80px;" align="left">公告</td>
   
7.     <td style="width:280px;" align="left">
   
8.             <a href="#this">监控类型</a>
   
9.     </td>
   
10.                     <td style="width:100px" align="left">2018-4-1</td>
    
11.   </tr>
    
12. 
    
13. <tr class="jtgs_table_td_bg" onmousemove="cursorOver(this)" onmouseout="cursorOut(this)" onclick="selectResult('4514')">
    
14.                     <td style="width:70px;" align="left">中心</td>
    
15.     <td style="width:80px;" align="left">公告</td>
    
16.     <td style="width:280px;" align="left">
    
17.             <a href="#this" title="比选类型">监控数据模型...</a>
    
18.     </td>
    
19.                     <td style="width:100px" align="left">2018-4-3</td>
    
20.   </tr>
    
21. '''
    
22. results= re.findall(r''''(\d+)'.*?left">(.*?)</td>.*?left">(.*?)</td>.*?((?<=this">)(.*?)(?=<)|(?<=title=")(.*?)(?=")).*?left">(.*?)</td>''',  
    
23.                     html,re.M|re.S)
    
24. if results:
    
25.     for result in results:
    
26.         print([i.strip() for i in result if len(i)])
    
27. 
    
28. #  ['4512', '河西', '公告', '监控类型', '监控类型', '2018-4-1']
    
29. #  ['4514', '中心', '公告', '比选类型', '比选类型', '2018-4-3']
    

复制代码

kaohsing

r'\</tr\>.  前面都用r了，就不需要转义了，

wp231957

1. # coding: utf-8
   
2. import requests
   
3. from lxml import etree
   
4. 
   
5. 
   
6. if __name__ == '__main__':
   
7.   html='''<tr class="" onmousemove="cursorOver(this)" onmouseout="cursorOut(this)" onclick="selectResult('4512')">
   
8.                      <td style="width:70px;" align="left">河西</td>
   
9.      <td style="width:80px;" align="left">公告</td>
   
10.      <td style="width:280px;" align="left">
    
11.              <a href="#this">监控类型</a>
    
12.      </td>
    
13.                      <td style="width:100px" align="left">2018-4-1</td>
    
14.    </tr>
    
15. 
    
16. 
    
17. <tr class="jtgs_table_td_bg" onmousemove="cursorOver(this)" onmouseout="cursorOut(this)" onclick="selectResult('4514')">
    
18.                      <td style="width:70px;" align="left">中心</td>
    
19.      <td style="width:80px;" align="left">公告</td>
    
20.      <td style="width:280px;" align="left">
    
21.              <a href="#this" title="比选类型">监控数据模型...</a>
    
22.      </td>
    
23.                      <td style="width:100px" align="left">2018-4-3</td>
    
24.    </tr>
    
25.    '''
    
26.   response = etree.HTML(html)
    
27.   ls=[]
    
28.   for x in range(2):
    
29.     xd={}
    
30.     xd["xm1"]= response.xpath("//tr/@onclick")[x][-6:-2]
    
31.     xd["xm2"]= response.xpath("//tr/td[1]")[x].text
    
32.     xd["xm3"]= response.xpath("//tr/td[2]")[x].text
    
33.     if x==1:
    
34.       xd["xm4"]= response.xpath("//tr/td[3]/a/@title")[0]
    
35.     else:
    
36.       xd["xm4"]= response.xpath("//tr/td[3]/a")[x].text
    
37.     xd["xm5"]= response.xpath("//tr/td[4]")[x].text
    
38.     ls.append(xd)
    
39.   for i in ls:
    
40.     print(i)   
    
41. 
    
42. 
    
43. '''
    
44. e:\>python ex8.py
    
45. {'xm1': '4512', 'xm2': '河西', 'xm3': '公告', 'xm4': '监控类型', 'xm5': '2018-4-1'}
    
46. {'xm1': '4514', 'xm2': '中心', 'xm3': '公告', 'xm4': '比选类型', 'xm5': '2018-4-3'}
    
47. 
    
48. '''        

复制代码

kaohsing

你的html太少，直接贴出网址得了。

xue11

kaohsing 发表于 2019-5-7 05:51
你的html太少，直接贴出网址得了。

((?<=this">)(.*?)(?=<)|(?<=title=")(.*?)(?="))
已经可以用了，就是这部分没有看懂，?<=    查了查也没搞懂
来自: 微社区

xue11

kaohsing 发表于 2019-5-7 05:51
你的html太少，直接贴出网址得了。

还需要求助，感谢
来自: 微社区

kaohsing

xue11 发表于 2019-5-7 20:04
((?

搜搜正则环视，就清楚了。

xue11

kaohsing 发表于 2019-5-7 20:59
搜搜正则环视，就清楚了。

求助正则表达式文档
来自: 微社区

kaohsing

百度不到去谷歌。

kaohsing

有的叫环视有的叫断言。

xue11

kaohsing 发表于 2019-5-6 21:53
凑活着用吧

为什么有空格，重复数据，比如 必选类型。我将环视学习，感觉你这完全中正确啊

kaohsing

1. # py3.7  pycharm
   
2. 
   
3. import re
   
4. html = '''<tr class="" onmousemove="cursorOver(this)" onmouseout="cursorOut(this)" onclick="selectResult('4512')">
   
5.                 <td style="width:70px;" align="left">河西</td>
   
6.                 <td style="width:80px;" align="left">公告</td>
   
7.                 <td style="width:280px;" align="left">            <a href="#this">监控类型</a>    </td>
   
8.                 <td style="width:100px" align="left">2018-4-1</td>
   
9.         </tr>
   
10.          
    
11.         <tr class="jtgs_table_td_bg" onmousemove="cursorOver(this)" onmouseout="cursorOut(this)" onclick="selectResult('4514')">
    
12.             <td style="width:70px;" align="left">中心</td>
    
13.             <td style="width:80px;" align="left">公告</td>
    
14.             <td style="width:280px;" align="left">  <a href="#this" title="比选类型">监控数据模型...</a>            </td>
    
15.             <td style="width:100px" align="left">2018-4-3</td>
    
16.         </tr>
    
17. '''
    
18. results= re.findall(r''''(\d+)'.*?left">(.*?)</td>.*?left">(.*?)</td>.*?this">(.*?)</a>.*?left">([\d\-]+)</td>|'(\d+)'.*?left">(.*?)</td>.*?left">(.*?)</td>.*?title="(.*?)".*?left">([\d\-]+)</td>''', html,
    
19.         re.M | re.S)
    
20. if results:
    
21.     for result in results:
    
22.         print([i for i in result if len(i)])
    
23. 
    
24. #  ['4512', '河西', '公告', '监控类型', '2018-4-1']
    
25. #  ['4514', '中心', '公告', '比选类型', '2018-4-3']

复制代码