在python re模块中使用pcre解析html [关闭]答案

【问题标题】：parsing html using pcre in python re module [closed]在python re模块中使用pcre解析html [关闭]
【发布时间】：2015-05-20 01:45:30
【问题描述】：

我想用html解析下面的例子

示例是特定 html 的一部分。

<p>NUCLEAR EK:</p>

<ul>
<li>2015-01-29 17:22:12 UTC - culturemerge.ga - GET /AgJVAhoAGFpMUAVU.html</li>
<li>2015-01-29 17:22:13 UTC - culturemerge.ga - GET /AU4STwAHU1NMUUlcSlMHVAFRVwJTB1RKVx1XA1ZMAVUFSgRWTwBfVg</li>
<li>2015-01-29 17:22:15 UTC - culturemerge.ga - GET /Al8OVhpVUFUBHgYYDh4CUgFWVwVQBFYGHgZIAlRQHlMCVBhQBxoGGDpaIEUi</li>
<li>2015-01-29 17:22:17 UTC - culturemerge.ga - GET /Al8OVhpVUFUBHgYYDh4CUgFWVwVQBFYGHgZIAlRQHlMCVBhQBxoGGBpgEF8mYRhdIk9W</li>
<li>2015-01-29 17:22:21 UTC - culturemerge.ga - GET /Al8OVhpVUFUBHgYYDh4CUgFWVwVQBFYGHgZIAlRQHlMCVBhQBxoEGDpaIEUi</li>
<li>2015-01-29 17:22:22 UTC - culturemerge.ga - GET /Al8OVhpVUFUBHgYYDh4CUgFWVwVQBFYGHgZIAlRQHlMCVBhQBxoEGBpgEF8mYRhdIk9W</li>
<li>2015-01-29 17:22:23 UTC - culturemerge.ga - GET /AU4STwAHU1NMUUlcSlMHVAFRVwJTB1RKVx1XA1ZMAVUFSgRWTxVaCBRVEA</li>
<li>2015-01-29 17:22:25 UTC - culturemerge.ga - GET /Al8OVhpVUFUBHgYYDh4CUgFWVwVQBFYGHgZIAlRQHlMCVBhQBxoLGDpaIEUi</li>
<li>2015-01-29 17:22:28 UTC - culturemerge.ga - GET /Al8OVhpVUFUBHgYYDh4CUgFWVwVQBFYGHgZIAlRQHlMCVBhQBxoLGBpgEF8mYRhdIk9W</li>
</ul>

我想获取内容<p>~</ul>

所以我在下面制作 pcre python 代码：

temp=re.findall(r"<p>[^\"\&\;]*?<\/p>\s*<ul>\s*<li>\d(.|\s)*?<\/ul>",html)
        print temp

此 pcre 在 notepad++ 或 Regex Coach 中运行良好

但在 python 中它无法解析！

它只显示像[]这样的空列表

【问题讨论】：

RegEx match open tags except XHTML self-contained tags 的可能重复项
no... 我的目标是找到特定的内容，例如示例，并在
和
之间找到名称。所以我找到了所有内容，例如示例。我的 pcre 在 Regex Coach 中工作得很好。但不要在 python re 中工作
这个问题在这里可能已经有了答案：必须取消

标签： python pcre

【解决方案1】：

虽然我同意您不应该使用正则表达式来解析 html，但有时也可以。在这种情况下，我看到了某种模式，但我不太确定你想从 html 中提取什么。我会重写你的正则表达式，希望它是你想要的：

temp=re.findall(r"<li>(\d{4}-\d{2}-\d{2} {\d:]{8}).* - (.*) - GET (.*)<\/li>",html)
for i in temp:
    print i

temp 将包含带有此数据的元组（日期、域、路径）

【讨论】：

【解决方案2】：

    temp=re.finditer(r"<p>[^\"\&\;]*?<\/p>\s*<ul>\s*<li>\d(.|\s)*?<\/ul>",html)
    for match in temp:
        print match.group(0)

【讨论】：