Python正则表达式到findall行包含特定类型的文件名

我有一个文本文件。仅当文件名为.doc或.pdf类型的文件时，我希望获取包含文件名的行

比如说,

<TR><TD ALIGN="RIGHT">4.</TD>
<TD ALIGN="LEFT" VALIGN="TOP" WIDTH=50%><a href="ABC.pdf"> On Complex Analytic Manifolds</a></TD>
<TD ALIGN="LEFT" VALIGN="TOP" WIDTH=72>L. Sam</TD>
</TR>
<TR><TD ALIGN="RIGHT">5.</TD>
<TD ALIGN="LEFT" VALIGN="TOP" WIDTH=50%><a href="DEF.doc"> On the Geometric theory of Fields</a>*</TD>
<TD ALIGN="LEFT" VALIGN="TOP" WIDTH=72>G.K. Ram</TD>
</TR>

任何人都可以告诉我在re.findall（）中定义模式的任何可伸缩方式吗？

类似这样的内容：

>>> strs="""<TR><TD ALIGN="RIGHT">4.</TD>
<TD ALIGN="LEFT" VALIGN="TOP" WIDTH=50%><a href="ABC.pdf"> On Complex Analytic Manifolds</a></TD>
<TD ALIGN="LEFT" VALIGN="TOP" WIDTH=72>L. Sam</TD>
</TR>
<TR><TD ALIGN="RIGHT">5.</TD>
<TD ALIGN="LEFT" VALIGN="TOP" WIDTH=50%><a href="DEF.doc"> On the Geometric theory of Fields</a>*</TD>
<TD ALIGN="LEFT" VALIGN="TOP" WIDTH=72>G.K. Ram</TD>
</TR>"""

>>> [x for x in strs.splitlines() if re.search(r"[a-zA-Z0-9]+\.(pdf|doc)",x)]
['<TD ALIGN="LEFT" VALIGN="TOP" WIDTH=50%><a href="ABC.pdf"> On Complex Analytic Manifolds</a></TD>',
 '<TD ALIGN="LEFT" VALIGN="TOP" WIDTH=50%><a href="DEF.doc"> On the Geometric theory of Fields</a>*</TD>'
]

>strs=“”4。
L.萨姆
5.
*
G.K.Ram
"""
>>>[x代表标准分割线中的x（），如果重新搜索（r“[a-zA-Z0-9]+\（pdf文档）”，x）]
['',
'*'
]

类似这样的内容：

>>> strs="""<TR><TD ALIGN="RIGHT">4.</TD>
<TD ALIGN="LEFT" VALIGN="TOP" WIDTH=50%><a href="ABC.pdf"> On Complex Analytic Manifolds</a></TD>
<TD ALIGN="LEFT" VALIGN="TOP" WIDTH=72>L. Sam</TD>
</TR>
<TR><TD ALIGN="RIGHT">5.</TD>
<TD ALIGN="LEFT" VALIGN="TOP" WIDTH=50%><a href="DEF.doc"> On the Geometric theory of Fields</a>*</TD>
<TD ALIGN="LEFT" VALIGN="TOP" WIDTH=72>G.K. Ram</TD>
</TR>"""

>>> [x for x in strs.splitlines() if re.search(r"[a-zA-Z0-9]+\.(pdf|doc)",x)]
['<TD ALIGN="LEFT" VALIGN="TOP" WIDTH=50%><a href="ABC.pdf"> On Complex Analytic Manifolds</a></TD>',
 '<TD ALIGN="LEFT" VALIGN="TOP" WIDTH=50%><a href="DEF.doc"> On the Geometric theory of Fields</a>*</TD>'
]

>strs=“”4。
L.萨姆
5.
*
G.K.Ram
"""
>>>[x代表标准分割线中的x（），如果重新搜索（r“[a-zA-Z0-9]+\（pdf文档）”，x）]
['',
'*'
]

您可以使用此正则表达式：

(.*?<a\shref=[\"']\w+(?:\.doc|\.pdf)[\"']>.*)

（*）？
…L.山姆
... 
5.
... *
…G.K.拉姆
... """
>>>关于findall（“（*？”，“*”）

您可以使用此正则表达式：

(.*?<a\shref=[\"']\w+(?:\.doc|\.pdf)[\"']>.*)

（*）？
…L.山姆
... 
5.
... *
…G.K.拉姆
... """
>>>关于findall（“（*？”，“*”）

您可以同时使用

BeautifulSoup

和

re

import BeautifulSoup
import re

lines = soup.findAll('href', text = re.compile('your regex here'), attrs = {'class' : 'text'})

---

在html代码中使用

class

您的上级标题。

您可以同时使用

BeautifulSoup

和

re

import BeautifulSoup
import re

lines = soup.findAll('href', text = re.compile('your regex here'), attrs = {'class' : 'text'})

---

在html代码中使用

class

你的上级标题。

像

href=“.+？\（doc | pdf）

它只返回['pdf'，doc']。。但我需要整行内容。

search

，而不是

findall

法定警告：。（不过，这个简单的例子不应该有问题。）您是否建议循环搜索每一行并搜索其中的每一行？？？findall实际上是以一种有效的方式进行的，只要我们提供了正确的模式…比如

href=“.+？\（doc | pdf）

它的返回['pdf'，doc']只是……但我需要整行……用

search

试试，而不是

findall

法定警告：。（不过，这个简单的例子不应该有问题。）你是不是建议我们在这些行中循环并搜索它们中的每一行？？？findall实际上是以一种有效的方式进行的，只要我们给它提供了正确的模式…实际上我不想使用字符串函数…我只需要使用正则表达式…实际上我不想使用字符串函数…我只需要使用正则表达式…但我不需要我把整条线…从到但是我需要整条线…从到