我有一個如下的網(wǎng)站代碼：CODE ABOVE<div class="full"> <div> <div> **<== WANT TO START GRABBING HERE ** <div>CONTENT</div> <div>CONTENT</div> <div>CONTENT</div> <div>CONTENT</div> </div> **<== STOP GRABBING HERE ** </div></div>CODE BELOW我正在嘗試在 Python 中使用正則表達式，以便在 div 關(guān)閉<div>后<div class="full">停止后獲取第二個的全部內(nèi)容，如上面的代碼所示。我的問題是：可以使用正則表達式在 Python 中執(zhí)行此操作嗎？怎么做？
3 回答
子衿沉夜
TA貢獻1828條經(jīng)驗 獲得超3個贊
對于 html 元素選擇Beautiful Soup是您所需要的，@QHarr答案應(yīng)該有效只需檢查您使用的編碼。
但是，如果您想要正則表達式解決方案，只需使您的字符串變平（沒有換行符）而不是搜索元素：
import re
html = """<div class="full">
<div>
<div> **<== WANT TO START GRABBING HERE **
<div>CONTENT</div>
<div>CONTENT</div>
<div>CONTENT</div>
<div>CONTENT</div>
</div> **<== STOP GRABBING HERE **
</div>
</div>"""
sep = 'xxxx****' # dummy string to replace \n and put them back
r = '<div class="full">[\s{0}]*<div>(.*)</div>[\s{0}]*</div>'.format(sep)
# search will return first matching element.
l = re.search(r, html.replace('\n',sep)).groups(0)[0]
# findall will return all element matching the pattern if you have more than one use findall
# l = re.findall(r, html.replace('\n',sep))[0]
print(l.replace(sep, '\n'))
小唯快跑啊
TA貢獻1863條經(jīng)驗 獲得超2個贊
對于您的特定情況，請嘗試以下正則表達式：
(<div>\s+){2}([\s\w</>]*?)(</div>\s+){2}然后從中提取所需的組。
但是，我建議改用BeautifulSoup，它更簡單、更強大。
神不在的星期二
TA貢獻1963條經(jīng)驗 獲得超6個贊
您可以結(jié)合使用類和類型css 選擇器以及子組合器來完成此操作
from bs4 import BeautifulSoup as bs
html = '''<div class="full">
<div>
<div>
<div>CONTENT</div>
<div>CONTENT</div>
<div>CONTENT</div>
<div>CONTENT</div>
</div>
</div>
</div>'''
soup = bs(html, 'lxml')
print(soup.select_one('.full > div > div'))
添加回答
舉報
0/150
提交
取消