文本文件上的Python正则表达式

嗨，伙计们，我有关于regex的问题，我需要一些帮助。我的代码如下所示：

# -*- coding: utf-8 -*-
import re

WEEKDAYS = ["nedjelja", "utorak", "četvrtak", "ponedjeljak", "subota", "srijeda", "petak"]:

with open('natio_geo_channel.xml', 'r') as input_file, \
        open('nat.xml', 'w') as output_file:
    for line in input_file:
        for x in WEEKDAYS
            line = line.replace("<para>" + x, "<date>")
        line = re.sub(r"<para>\d{0}", "<start>", line)
        line = re.sub(r"<start>\d{2}\.\d{2}\s/\s/", "</start>", line)
        output_file.write(line)

#-*-编码：utf-8-*-
进口稀土
工作日=[“nedjelja”、“utorak”、“četvrtak”、“ponedjeljak”、“subota”、“srijeda”、“petak”]：
以open（'natio_geo_channel.xml'，'r'）作为输入文件\
打开（'nat.xml'，'w'）作为输出文件：
对于输入_文件中的行：
在工作日为x
行=行。替换（“+x”）
line=re.sub（r“\d{0}”，第行）
line=re.sub（r“\d{2}\。\d{2}\s/\s/”，“”，第行）
输出_文件。写入（行）

我的文件看起来像：

<para>nedjelja1. rujna 2013.</para>
    <para>06.00        na hrvatskom Zona gradnje: Izgradnja zelenog Pekinga</para>
    <para>Kineske nevolje sa zagađenjem problem su s globalnim posljedicama. Pratite ekipu zelenih inženjera koji grade energetski učinkoviti Peking.</para>

nedjelja1。鲁伊纳，2013年。
06.00 na hrvatskom gradnje区：Izgradnja zelenog Pekinga
卡因斯克·内沃尔耶·萨扎加·恩杰姆问题是一个全球性问题。帕拉蒂·埃基普·泽莱尼（Pratite ekipu Zelenish inženjera koji grade energetski učinkoviti Beijing）。

我所做的，我先用替换，然后去掉nedjelja，没关系。 但我如何做到这一点：

<start>06:00<start><title>Zona gradnje</title><sub>Izgradnja zelenog Pekinga</sub>

06:00Zona gradnjeIzgradnja zelenog Pekinga

从该

06.00 na hrvatskom Zona gradnje:Izgradnja zelenog Pekinga

你能给我一些建议或想法吗

请尝试以下操作：

def main():    
    line = r'<para>06.00        na hrvatskom Zona gradnje: Izgradnja zelenog Pekinga</para>'        
    if re.search(r'^(<para>)\d{2}.\d{2}', line):
        line_time = re.findall(r'\d{2}.\d{2}',line)[0]       
        line_title = line[line.find(re.findall(r'[A-Z]',line)[0]):line.find(':')]        
        line_sub = line[line.find(':')+1:line.find(r'</')].strip()

        print '<start>'+line_time+'</start><title>'+line_title+'</title><sub>'+line_sub+'</sub>'   

def main（）：
直线=r'06.00 na hrvatskom Zona gradnje:Izgradnja zelenog Pekinga'
如果重新搜索（r'^（）\d{2}.\d{2}'，行）：
line_time=re.findall（r'\d{2}.\d{2}'，line）[0]
line_title=line[line.find（re.findall（r'[A-Z]'，line）[0]）：line.find（'：'）]
line_sub=line[line.find（'：'）+1:line.find（r'要转换此值：

<para>06.00        na hrvatskom Zona gradnje: Izgradnja zelenog Pekinga</para>

06.00 na hrvatskom Zona gradnje:Izgradnja zelenog Pekinga

为此：

<start>06:00<start><title>Zona gradnje</title><sub>Izgradnja zelenog Pekinga</sub>

06:00Zona gradnjeIzgradnja zelenog Pekinga

这样做：

str = re.sub(".*?>(\S+)(?:\s+\S+){2}\s+(.*?):\s*(.*)<.*", 
    "<start>\1<start><title>\2</title><sub>\3</sub>", str)

str=re.sub（“.*？”（\S+）（:\S+\S+{2}\S+（.*？）：\S*（*）那么，代码片段和1段XML与您的问题有什么关系呢？使用XML解析器，例如内置元素树，并操作DOM。不要使用正则表达式来解析XML。如果您不知道我在做什么，请不要评论。它不是XML，而是.doc（word）doc，我不知道有谁能把.doc转换成csv，或者xls.Thx，我会试试，主要问题是这是第一个.doc（word），我将其转换为xml，因为它对正则表达式很快。我知道对于ETtree，它现在对我没有帮助，只有xls-t会有帮助。我会尝试使用它。Thx很多！我想说Thx帮助了我！上面的代码有效！欢迎你，我的朋友…：）嘿，Vivek，这怎么能和文件一起工作，比如打开文件，读我从上面发来的行。你能帮我吗？当然可以。打开（r''，'r'）作为文件：使用它总是喜欢使用RE。+1 from me@Bohemian，谢谢。
<start>06:00<start><title>Zona gradnje</title><sub>Izgradnja zelenog Pekinga</sub>

str = re.sub(".*?>(\S+)(?:\s+\S+){2}\s+(.*?):\s*(.*)<.*", 
    "<start>\1<start><title>\2</title><sub>\3</sub>", str)