重复分隔符并提取它们之间的字符串答案

【问题标题】：Repeating delimiters and extracting the string between those重复分隔符并提取它们之间的字符串
【发布时间】：2019-12-02 02:07:44
【问题描述】：

我对 Python 和正则表达式相当陌生，并且希望从 html 文件中提取信息。

假设下面是 html 文件中给出的一行（因为 html 没有“看到”空格，所以我们的示例在同一行）

<td (some possible parameters)> EXTRACT_THIS </td> <td (some possible parameters)> ALSO_EXTRACT_THIS </td>

在我当前的代码中：

with open(myInput, 'r') as inputFile:
    for line in inputFile:
        line = line.strip()

        if line != '':

            m = re.findall('<td.*>(.*?)</td>', line)
            if m:
                #strip() again
                print(m)

这只会打印：

['ALSO_EXTRACT_THIS']

而不是我想要的

['EXTRACT_THIS', 'ALSO_EXTRACT_THIS']

我做错了什么吗？我已经研究过了，这似乎是一种使用重复分隔符提取多个子字符串的方法。

【问题讨论】：

不完全符合您的要求，但 Regex 不是从 HTML 中提取的最佳工具。
嗯，我想提取和之间的信息，我将使用它打印到另一个文件，当然通过使用 for-loop 去通过创建的列表。

标签： python html substring text-extraction

【解决方案1】：

这是因为<td.*> 将匹配最长的字符串，即<td (some possible parameters)> EXTRACT_THIS </td> <td (some possible parameters)>。

您也应该对 <td> 使用非贪婪量词：

'<td.*?>(.*?)</td>'

【讨论】：