Python和web标记regex

我需要网页内容。我需要从中获取一些数据。它看起来像：

数据

据我所知，我必须使用正则表达式，但我不能选择一个

我尝试了下面的代码，但没有任何结果。请纠正我：

regexHandler = re.compile('(<div class="deg">(?P<div class="deg">.*?)</div>)')
result = regexHandler.search( pageData )

regexpendler=re.compile（“（？P.*？”）
结果=regexpundler.search（页面数据）

如果要在匹配项中包含div标记：

regexpHandler = re.compile('(<div class="deg">.*?</div>)')

---

如果要在匹配项中包含div标记：

regexpHandler = re.compile('(<div class="deg">.*?</div>)')

---

我建议使用一个好的HTML解析器（比如——但出于您的目的，也就是说，使用格式良好的HTML作为输入，Python标准库附带的解析器（比如）也应该可以很好地工作）而不是使用原始资源来解析HTML

如果您想继续使用原始RE方法，则模式：

r'<div class="deg">([^<]*)</div>'

---

r'（[^我建议使用一个好的HTML解析器（例如——但出于您的目的，即使用格式良好的HTML作为输入，Python标准库附带的解析器，例如，也应该可以很好地工作）而不是原始资源来解析HTML

如果您想继续使用原始RE方法，则模式：

r'<div class="deg">([^<]*)</div>'

r'（[^您可以在Python中使用简单的字符串函数，不需要正则表达式

mystr = """< div class="deg">DATA< /div>"""
if "div" in mystr and "class" in mystr and "deg" in mystr:
    s = mystr.split(">")
    for n,item in enumerate(s):
        if "deg" in item:
            print s[n+1][:s[n+1].index("<")]

mystr=“”
数据
如果mystr中的“div”和mystr中的“class”以及mystr中的“deg”：
s=mystr.split（“>”）
对于n，枚举中的项：
如果项目中的“度”：
打印s[n+1][：s[n+1]。索引（“”。然后检查拆分的项目，检查“deg”，并在其后面获取项目，因为“deg”出现在您想要获取的数据之前。当然，这不是唯一的方法。
您可以在Python中使用简单的字符串函数，不需要正则表达式

mystr = """< div class="deg">DATA< /div>"""
if "div" in mystr and "class" in mystr and "deg" in mystr:
    s = mystr.split(">")
    for n,item in enumerate(s):
        if "deg" in item:
            print s[n+1][:s[n+1].index("<")]

mystr=“”
数据
如果mystr中的“div”和mystr中的“class”以及mystr中的“deg”：
s=mystr.split（“>”）
对于n，枚举中的项：
如果项目中的“度”：
打印s[n+1][：s[n+1]。索引（“”。然后检查拆分的项目，检查“deg”，并从“deg”中获取其后面的项目出现在您想要获取的数据之前。当然，这不是唯一的方法。
虽然可以使用rexex进行快速、脏的html处理，但更好、更干净的方法是使用类似的html解析器，并使用或查询解析的树

html=“”数据1数据2”“”
导入lxml.html
page=lxml.html.fromstring（html）
#page=lxml.html.parse（url）
对于page.findall（'.//div[@class=“deg”]”中的元素：
打印元素.text
#使用css选择器
从lxml.cssselect导入CSSSelector
sel=CSS选择器（“分度”）
对于sel中的元素（第页）：
打印元素.text
虽然可以使用rexex进行快速、脏的html处理，但更好、更干净的方法是使用html解析器，如，并使用或查询解析的树

html=“”数据1数据2”“”
导入lxml.html
page=lxml.html.fromstring（html）
#page=lxml.html.parse（url）
对于page.findall（'.//div[@class=“deg”]”中的元素：
打印元素.text
#使用css选择器
从lxml.cssselect导入CSSSelector
sel=CSS选择器（“分度”）
对于sel中的元素（第页）：
打印元素.text
为什么更复杂的
（[^
*？
会容忍（并吸收）嵌入的标记，并且如果div中包含另一个div（抓住内部dir的开始但不是结束），就会失去平衡，而我建议的模式只有在div包含纯文本数据时才匹配，即没有嵌入标记，这在没有明确规范的情况下似乎更合理。这种复杂的情况就是为什么我开始建议避免在HTML解析中使用裸REs，并为此目的重用许多优秀的现有模块中的任何一个，无论是在e标准库和第三方库。我认为，在没有真正的解析器的情况下，您选择更严格的路径，我选择更宽松的路径，这两种方法各有优缺点。我同意某种形式的实际DOM解析器更适合一般情况关于这个问题，但这取决于Ockonal，因为他是最了解他将获得的数据的人。不过，感谢大家的讨论。：@Dav，是的，有很多好的观点。我应该指出REs（除非扩展到比REs更大的程度，就像在最新版本的Perl中一样）是出了名的做不到的“用平衡圆括号解析”…这就是XML和HTML的全部内容，使得REs特别不适合此类任务（尽管人们一直在尝试！-）。谢谢。你的帖子对我来说信息量很大。我稍后会了解它。为什么更复杂的
（[^
*？
会容忍（并吸收）它嵌入标记，如果div中包含另一个div，则会失去平衡（抓住内部dir的开始但不是结束），而我建议的模式只有在div包含纯文本数据时才匹配，即没有嵌入标记，这在没有明确规范的情况下似乎更合理。这种复杂的情况就是为什么我开始建议避免在HTML解析中使用裸REs，并为此目的重用许多优秀的现有模块中的任何一个，无论是在e标准库和第三方库。我认为，在没有真正的解析器的情况下，您选择更严格的路径，我选择更宽松的路径，这两种方法各有优缺点。我同意某种形式的实际DOM解析器更适合一般情况关于这个问题，但这取决于Ockonal，因为他是最了解他将获得的数据的人。不过，感谢大家的讨论。：@Dav，是的，很好的观点。我应该指出REs（除非扩展到比REs更多，就像在最新版本的Perl中一样）是出了名的做不到的。”使用平衡圆括号进行解析“…这就是XML和HTML的全部内容，使得REs特别不适合此类任务（尽管人们一直在尝试！-）。谢谢。您的po