[已解决]我想匹配<form>......</form> 之间的文本

wp231957

源文本太长  没贴，
(?<=<form>)(.+)(?=<\/form>)
咋啥都匹配不到呢

最佳答案

月排行榜 / 总排行榜

kaohsing

2019-5-24 07:53:21

1. import re
   
2. import requests
   
3. url='http://qz.jessiepowell.top/fquiz/push/2655022/ni-de-yin-yang-bi-li-shi-duo-shao?rd=1#'
   
4. s=requests.get(url).text
   
5. lis=re.findall(r'<li class="qz\d+[^>]+>(.+?)</li>',
   
6.                    s, re.M | re.S)
   
7. for li in lis:
   
8.     myre=re.findall(r'title-in">([^>]+)</(?:.*?<span>(.*?)</)?(?:.*?<span>(.*?)</)?(?:.*?<span>(.*?)</)?'
   
9.                       r'(?:.*?<span>(.*?)</)?(?:.*?<span>(.*?)</)?(?:.*?<span>(.*?)</)?(?:.*?<span>(.*?)</)?'
   
10.                       r'(?:.*?<span>(.*?)</)?(?:.*?<span>(.*?)</)?',
    
11.                      li, re.M | re.S)
    
12. 
    
13.     print([i for i in myre[0] if len(i)])
    
14. 
    
15. '''
    
16. ['异性初次见面，你会最先注意ta的？', '脸', '鞋', '衣着', '发型', '其他']
    
17. ['凭感觉选一组排列让你舒适的糖豆', '黄色-左上', '橘色-右上', '绿色-左下', '蓝色-右下']
    
18. ['凭感觉，你觉得自己用左脑还是右脑多？', '左脑', '右脑']
    
19. ['第一眼看到的动物是？', '猫头鹰', '考拉', '狮子', '兔子', '猪', '长颈鹿', '熊', '大象', '猫']
    
20. ['下面哪幅图，让你有恋爱or想结婚的欲望？']
    
21. ['选一个喜欢的动物']
    
22. ['你的性别是？', '男', '女']
    
23. 
    
24. '''

复制代码

跳转到最佳答案楼层

塔利班

\/用反斜杠？

2012277033

\<form\>(.+?)\<\/form\>
应该是这个吧，<和>都要转义的

wp231957

塔利班 发表于 2019-5-23 16:06
\/用反斜杠？

有这么个提示 ，英语不好，貌似<>不用转义

塔利班

wp231957 发表于 2019-5-23 16:19
有这么个提示 ，英语不好，貌似不用转义

是不用，但是你的多了个反斜杠知道吗后面form前不要

wp231957

塔利班 发表于 2019-5-23 16:31
是不用，但是你的多了个反斜杠知道吗后面form前不要

原始文本就有这个/ 啊  </form>   只匹配form 是不行的  那就能XXXform formXXX 都能匹配到

wp231957

塔利班 发表于 2019-5-23 16:31
是不用，但是你的多了个反斜杠知道吗后面form前不要

这样也不行

kaohsing

r'<form>(.*?)</form>'

一穷二白

我发现你要抓的东西，貌似和我练的一样，你可以教教我吗

wp231957

kaohsing 发表于 2019-5-23 18:05
r'(.*?)'

匹配不到啊

有空可以帮我看一下  这个文件， <form></form> 配对大约有2对，我要第二对  位于文件1402行---1748行

我把这个form 换成div 花括号啥的  都能匹配到  

wp231957

一穷二白 发表于 2019-5-23 18:06
我发现你要抓的东西，貌似和我练的一样，你可以教教我吗

我还没弄明白呢  那个网站 不知道做了啥防护，xpath 取节点 取不到  

塔利班

(?<=<form>)(.+)(?=<\/form>)我只让你去了最后一个反斜杠，不知道你整的什么

kaohsing

wp231957 发表于 2019-5-23 19:11
匹配不到啊

有空可以帮我看一下  这个文件，  配对大约有2对，我要第二对  位于文件1402行---1748行

kaohsing

html 中没有这个字符<form>，所以啥也匹配不到.<form> 和 <form action="" method="post" id="quizform">两个是不同的，后者带有属性.

kaohsing

results=re.findall(r'<form(.*?)</form>',s,re.M|re.S)

yjsx86

正则的普通模式 "." 表示可打印字符并不包含"\n"
在多行字符串中查找时 需要带上flag=re.S

还有一点 xpath 是用来查找 文本内容的 , 你查找的内容中含有html的dom元素,当然会找不到

1. import re
   
2. 
   
3. with open("123.txt", "r") as f:
   
4.     info = f.read()
   
5. 
   
6. r = re.findall(r'<form.*?>(.*?)</form>', info, re.S)
   
7. 
   
8. for item in r:
   
9.     print("分割-----------------------------------------------------------")
   
10.     print(item)

复制代码

kaohsing

1. import re
   
2. import requests
   
3. url='http://qz.jessiepowell.top/fquiz/push/2655022/ni-de-yin-yang-bi-li-shi-duo-shao?rd=1#'
   
4. s=requests.get(url).text
   
5. lis=re.findall(r'<li class="qz\d+[^>]+>(.+?)</li>',
   
6.                    s, re.M | re.S)
   
7. for li in lis:
   
8.     myre=re.findall(r'title-in">([^>]+)</(?:.*?<span>(.*?)</)?(?:.*?<span>(.*?)</)?(?:.*?<span>(.*?)</)?'
   
9.                       r'(?:.*?<span>(.*?)</)?(?:.*?<span>(.*?)</)?(?:.*?<span>(.*?)</)?(?:.*?<span>(.*?)</)?'
   
10.                       r'(?:.*?<span>(.*?)</)?(?:.*?<span>(.*?)</)?',
    
11.                      li, re.M | re.S)
    
12. 
    
13.     print([i for i in myre[0] if len(i)])
    
14. 
    
15. '''
    
16. ['异性初次见面，你会最先注意ta的？', '脸', '鞋', '衣着', '发型', '其他']
    
17. ['凭感觉选一组排列让你舒适的糖豆', '黄色-左上', '橘色-右上', '绿色-左下', '蓝色-右下']
    
18. ['凭感觉，你觉得自己用左脑还是右脑多？', '左脑', '右脑']
    
19. ['第一眼看到的动物是？', '猫头鹰', '考拉', '狮子', '兔子', '猪', '长颈鹿', '熊', '大象', '猫']
    
20. ['下面哪幅图，让你有恋爱or想结婚的欲望？']
    
21. ['选一个喜欢的动物']
    
22. ['你的性别是？', '男', '女']
    
23. 
    
24. '''

复制代码

kaohsing