python 2.7 re.MULTILINE 的烦恼答案

【问题标题】：python 2.7 re.MULTILINE troublespython 2.7 re.MULTILINE 的烦恼
【发布时间】：2012-04-03 02:11:09
【问题描述】：

我是 python 新手，我一直在尝试将我的 php 正则表达式更改为 python，但我遇到了这个多行的一些问题。在过去的几天里，我一直在互联网上上下浮动，我似乎无法理解它，如果有人可以提供帮助，那就太好了。这是我制作的正则表达式：

mlsTagRegex = re.compile("<td\swidth=\"13%\"\sclass=\"TopHeader\">(.*?)</td>", re.MULTILINE)
tdTags = mlsTagRegex.findall(output.getvalue())
print tdTags

这是我希望它找到的 HTML：

<td width="13%" class="TopHeader">

   <span class="red">I WANT THIS PART</span>

</td>

它只是给了我一个空数组。我很确定我所缺少的可能相当简单，但就像我说我是 python 新手，所以如果有人可以帮忙？谢谢！

p.s.：findall 中的输出是 pycurl 输出的内容，html 的那部分就在里面。

【问题讨论】：

标签： python regex python-2.7 pycurl

【解决方案1】：

您需要使用re.DOTALL 使. 匹配换行符：

mlsTagRegex = re.compile(r'<td width="13%" class="TopHeader">(.*?)</td>', re.DOTALL)

但实际上你应该避免使用正则表达式来解析 html，而是使用 BeautifulSoup 或 lxml。

【讨论】：

@zeekay：你说得对，正则表达式不适合匹配任意 HTML，但这似乎是正则表达式可以很好地工作的简单情况之一。
我不同意，这是一个极其脆弱的正则表达式，如果对生成的 HTML 进行任何类型的更改，它就会中断。

【解决方案2】：

使用 re.DOTALL，所以 '.'字符将匹配任何字符，包括换行符。

【讨论】：

天啊，非常感谢。我就知道会是这么简单的事情！