findall() 在 Python REGEX 中的 html 文件上返回空字符串答案

【问题标题】：findall() returns empty string on html file in Python REGEXfindall() 在 Python REGEX 中的 html 文件上返回空字符串
【发布时间】：2017-01-10 19:54:03
【问题描述】：

我正在使用 Python 学习正则表达式，并且正在做谷歌正则表达式教程的婴儿名字练习。 html 文件 --baby1990.html-- 是一个压缩文件，可以在这里下载：https://developers.google.com/edu/python/set-up（'下载 Google Python 练习'）

年份放在标签中。 html代码如下：

<h3 align="center">Popularity in 1990</h3>

我正在使用以下代码从文件中提取年份：

f = open('C:/Users/ALEX/MyFiles/JUPYTER NOTEBOOKS/google-python-exercises/babynames/baby1990.html', 'r')

strings = re.findall(r'<h3 align="center">Popularity in (/d/d/d/d)</h3>', f.read())

我已经使用 RegularExpressions101 网站测试了该模式，并且它有效。

但是返回的“字符串”列表是空的。

len(字符串) 出去

【问题讨论】：

将(/d/d/d/d) 更改为(\d\d\d\d) 或(\d{4})
请澄清。 findall 是否返回空字符串或空列表？或者它是否返回一个包含一个元素的列表，它是一个空字符串？还是别的什么？
仅供参考，使用正则表达式解析 HTML 通常被认为是一个非常糟糕的主意。
好吧，我搞砸了。我测试了表达式，发现了 regex101 的错误，但我没有将更改传递给表达式。我有点累了。现在，它可以工作了。

标签： python regex findall

【解决方案1】：

我认为在上下文字符串中匹配年份的最佳方法是使用re.search 或re.match。

例如：

import re

tag = """<h3 align="center">Popularity in 1990</h3>"""

mo = re.search(r"Popularity in (\d{4})", tag)
year = mo.group(1) if mo else ""

print(year)
# -> 1990

当然，如果要查找所有匹配项，则需要使用re.findall …

你检查你的Python RegEx，你也可以在线尝试https://regex101.com/

【讨论】：