Python重新字符串解析

我试图在scrapy中使用re模式来解析字符串。字符串的格式如下。我正在尝试检索字体标记中的数字（例如，

08:00

）。很容易在一个列表中完成

（\d+：\d+）

，但我需要两个单独的

AM

和

PM

列表。您只能通过创建两个子字符串-

AM

和

PM

-然后针对每个子字符串运行模式来实现这一点吗？

（AM-

和

（PM-

是独一无二的。感觉你应该可以直接做，但我没有主意。谢谢

输入示例：

(AM – 07:00 <font color=#0002fe>08:00</font> <font color=#0000dd>09:00</font> <font color=#0001fe>10:100</font>) <br> (PM – 18:00 <font color=#0000fe>190:00</font> <font color=#0000fe>175:00</font>) 

（上午-07:00 08:00 09:00 10:100）
（下午-18:00 190:00 175:00）

我首先消除HTML标记并使用纯文本。为此，您可以使用HTML解析器，如：

>>来自bs4导入组
>>>数据='（上午–07:00 08:00 09:00 10:100）
（下午–18:00 190:00 175:00）'
>>>soup=BeautifulSoup（数据，“html.parser”）
>>>data=soup.get_text（）
>>>AM，PM=数据分割（“”）
>>>上午
u'（AM\u2013 07:00 08:00 09:00 10:100）
>>>首相
u'（下午\u2013 18:00 190:00 175:00）

我首先消除HTML标记并使用纯文本。为此，您可以使用HTML解析器，如：

>>来自bs4导入组
>>>数据='（上午–07:00 08:00 09:00 10:100）
（下午–18:00 190:00 175:00）'
>>>soup=BeautifulSoup（数据，“html.parser”）
>>>data=soup.get_text（）
>>>AM，PM=数据分割（“”）
>>>上午
u'（AM\u2013 07:00 08:00 09:00 10:100）
>>>首相
u'（下午\u2013 18:00 190:00 175:00）

如果字符串总是与示例类似，则可以使用以下正则表达式执行此操作：

import re
capture = re.compile("(?<=>)[\d:]*(?=<)")
res = capture.findall("(AM – 07:00 <font color=#0002fe>08:00</font> <font color=#0000dd>09:00</font> <font color=#0001fe>10:100</font>) <br> (PM – 18:00 <font color=#0000fe>190:00</font> <font color=#0000fe>175:00</font>)")
for match in res:
    print(match)

---

如果字符串总是与示例类似，则可以使用以下正则表达式执行此操作：

import re
capture = re.compile("(?<=>)[\d:]*(?=<)")
res = capture.findall("(AM – 07:00 <font color=#0002fe>08:00</font> <font color=#0000dd>09:00</font> <font color=#0001fe>10:100</font>) <br> (PM – 18:00 <font color=#0000fe>190:00</font> <font color=#0000fe>175:00</font>)")
for match in res:
    print(match)

---

与其对整个输入调用

get_text（）

，不如对

标记本身进行拆分？@dimo414这是一个很好的观点。我只是担心操作的问题过于复杂，所以决定只显示起点，以使数据对任务更方便。谢谢。与其调用

get_text（），不如

就整个输入而言，为什么不在

标记本身上拆分呢？@dimo414这是一个很好的观点。我只是担心操作的问题过于复杂，所以决定只显示起点，以使数据更方便完成任务。谢谢。谢谢你的回复。我担心我在原来的帖子中不够清楚。提供的字符串是一个示例，但它是包含许多其他标记的较大字符串的一部分。因此，按建议的方式拆分标记不是一个选项。关于BeautifulSoup，我没有使用它，因此我认为使用re将两个部分提取为子字符串并按指示解析它们可能更容易。再次感谢。t感谢您的回复。恐怕我在我的原始帖子中不够清楚。提供的字符串是一个示例，但它是包含许多其他标签的较大字符串的一部分。
标签，因此以建议的方式拆分标签不是一个选项。关于BeautifulSoup，我没有使用它，因此我认为对我来说，使用re-to-ext可能更容易将这两部分提取为子字符串，并按指示进行分析。再次感谢。

08:00
09:00
10:100
190:00
175:00