python中的正则表达式未在td元素中获取指定数据

我在python中使用regex从这一行的HTML中获取以下数据：

<td xyz="123"><a href="blah.html">This is a line</a></td>

我这样写正则表达式：

<tr><td>New line</td></tr>
<tr><td xyz="123"><a href="blah.html">CaptureThis</a></td></tr>

<tr><td x?y?z?=?"?(\d\d\d)?"?>?<?a?.*?>?(.*?)?<?/?a?>?</td></tr>

？（*？）？？

我基本上希望从每个tr中的所有tds中捕获“123”数据（如果存在）和“CaptUratis”数据

此正则表达式不工作，正在跳过没有“xyz”数据的行

---

我知道在这里使用正则表达式不是一个合适的解决方案，但我想知道是否可以单独使用正则表达式来实现它。

您使用的是正则表达式，而将XML与此类表达式匹配会变得太复杂、太快

请改用HTML解析器，Python有几个选项可供选择：

• 是标准库的一部分
• 是一个流行的第三方库
• 是一个快速且功能丰富的基于C的库

ElementTree示例：

from xml.etree import ElementTree

tree = ElementTree.parse('filename.html')
for elem in tree.findall('tr'):
    print ElementTree.tostring(elem)

---

您介意对xml文件进行两次解析吗？使用正则表达式解决问题要简单得多，但可能会出现意外问题，因为这不是正确的方法

“”以匹配td单元中的参数

---

“>（[\w\s]+）（[\w\s]+）以下代码搜索整个字符串中的匹配项并列出所有匹配项（即使有多个）

>>text=''新行
卡普图里萨索
'''
>>>关于findall（r'（？：）？'，正文）
[（'123'，'capturais'），（'456'，'capturaisalso'）]

不要使用正则表达式解析HTML！只是放了一个？之后，每个可选字符都不起作用，因为这会引入很多（不需要的）可能性。您需要将可选部件集分组。Martijn的答案是正确的，无论如何，您不应该只放所有这些“？”。我会写一些类似（未经测试的）：

（）？（.*）（）？

。

>>> line1
'<tr><td>New line</td></tr>'
>>> line2
'<tr><td xyz="123"><a href="blah.html">CaptureThis</a></td></tr>'  
>>> pattern2 = re.compile(r'>([\w\s]+)<')
>>> pattern2.search(line1).group(1)
'New line'
>>> pattern2.search(line2).group(1)
'CaptureThis'

>>> pattern = re.compile(r'<td\s+\w+="([^"]*)">')
>>> pattern.search(line2).group(1)
'123'

>>> text = '''<tr><td>New line</td></tr>
<tr><td xyz="123"><a href="blah.html">CaptureThis</a></td></tr>
<tr><td xyz="456">CaptureThisAlso</td></tr>
'''

>>> re.findall(r'<tr><td(?: xyz="(\d+)")?>(?:<a href=".*?">)?(.*?)(?:</a>)?</td></tr>', text)
[('', 'New line'), ('123', 'CaptureThis'), ('456', 'CaptureThisAlso')]