Python RegEx-匹配可选组

我知道正则表达式不是刮取HTMLs的最佳方法，但这就是它。。。 我有一些类似于：

<td> Writing: <a href="creator.php?c=CCh">Carlo Chendi</a>  Art: <a href="creator.php?c=LBo">Luciano Bottaro</a> </td>

写作：艺术：

我需要匹配写作和艺术部分。但并没有说它们在那里，可能还有其他的部分，比如墨水和铅笔

---

我该怎么做？我需要使用纯正则表达式，不需要额外的Python库。

您可以使用？在可选部分之后？将匹配子表达式的0次或1次出现

regex = re.compile("(\w+):")
regex.findall(yourString); // returns an array of matching elements

你可以测试一下

---

PS：我强烈建议您仔细阅读

我最终创建了以下内容：

(Art:|Pencils:|Ink:|Writing:){0,4}.<a href="creator\.php\?c=[^">]*?\"\>(?P<Name>.*?)\</a\>

（艺术：|铅笔：|墨水：|书写：）{0,4}.]*？\“\>（？P.*）\

---

这看起来很管用……也许可以擦一擦。你知道，我是初学者。

也许有两种模式需要识别

你的关键字存在于一个

您的关键字后面是一个…部分

所以…首先提取s…（psuedo代码）中的所有内容

while（匹配（“]*>（.*？）]*>”）{
内部=匹配[1]；
...
}

（.*）

表示不贪婪地匹配，即匹配尽可能小的值。否则，您将匹配从第一个

到最后一个

（而不是下一个

）的所有内容

---

然后你可以继续处理

内部
部分！
尽管我之前的回答，我还是改变了主意，不想有选项/替代选项，而是要全部获得。因此，这意味着TD标签中的任何内容都必须被捕获并正确分类。
我需要创建一个可选的捕获组，这样无论布局如何，我仍然可以检索内容。
它应该与此配合使用，即：

<td>   Art: <a href="creator.php?c=GPe">Giuseppe Perego</a> </td>
<td> Writing: <a href="creator.php?c=CCh">Carlo Chendi</a>  Art: <a href="creator.php?c=LBo">Luciano Bottaro</a> </td>
<td>  Pencils: <a href="creator.php?c=JB">Jack Bradbury</a> Ink: <a href="creator.php?c=SSt">Steve Steere</a> </td>
<td>  Pencils: <a href="creator.php?c=JB">Jack Bradbury</a> Ink: <a href="creator.php?c=SSt">Steve Steere</a> </td>
<td> Writing: <a href="creator.php?c=DKi">Dick Kinney</a> Pencils: <a href="creator.php?c=TS">Tony Strobl</a> Ink: <a href="creator.php?c=SSt">Steve Steere</a> </td>
<td>  Pencils: <a href="creator.php?c=JB">Jack Bradbury</a> Ink: <a href="creator.php?c=SSt">Steve Steere</a> </td>
<td> Writing: <a href="creator.php?c=BKa">Bob Karp</a> Pencils: <a href="creator.php?c=AT">Al Taliaferro</a> Ink: <a href="creator.php?c=AH">Al Hubbard</a> </td>    
<td> Writing: <a href="creator.php?c=DKi">Dick Kinney</a> Pencils: <a href="creator.php?c=TS">Tony Strobl</a> Ink: <a href="creator.php?c=SSt">Steve Steere</a> </td>
<td> Writing: <a href="creator.php?c=VLo">Vic Lockman</a>  Art: <a href="creator.php?c=KWr">Kay Wright</a> </td>
<td> Writing: <a href="creator.php?c=MGa">Michele Gazzarri</a>  Art: <a href="creator.php?c=GPe">Giuseppe Perego</a> </td>

艺术：
写作：艺术：
铅笔：墨水：
铅笔：墨水：
书写：铅笔：墨水：
铅笔：墨水：
书写：铅笔：墨水：
书写：铅笔：墨水：
写作：艺术：
写作：艺术：

我创建了：

<td>\ {1,3}(?:(?:Writing: <a href="creator\.php\?c=[^>"]*?">(.*?)?</a>).*?)?(?:(?:Pencils: <a href="creator\.php\?c=[^>"]*?">(.*?)?</a>\ ))?(?:(?:Ink: <a href="creator\.php\?c=[^>"]*?">(.*?)?</a>))?(?:(?:Art: <a href="creator\.php\?c=[^>"]*?">(.*?)?</a>))?\ {1,3}</td>

\{1,3}（？：（？：书写：）.*？（？：（？：铅笔：\）（？：（？：墨水：）（？：（？：艺术：））？{1,3}

而且它看起来像是在工作

我非常感谢有人检查和验证我的努力。
这不是“最好的方式”“，这不是一种方式。如果我要求你用面条钉钉子，那失败是我的错，不是你的错。是的，对。如果我不是被迫这样做的话我不会这么做。。。除非你对如何在没有Python附加库的情况下阅读html有什么建议…对不起，我不是故意让你觉得很刺耳…我真的不需要阅读所有的标签，只是一些特定的标签，所以我认为这是可以做到的。。。但我可能错了。。。谢谢如果人们不因为想要学习正则表达式而受到警告，那就太好了。在很多情况下，XML解析器的重量都高得离谱。想象一下，当初学者可以学习Java或C时，如何告诫他们不要学习BASIC或C。。再想想，我本可以简单地检索标记之间的名称，然后用Python将它们剥离……但我很享受！这里的困难在于处理多个匹配项。假设你在
td
s之间既有写作又有艺术。。。您将不知道要检查哪个匹配号。我建议采用多步骤流程。首先，提取
td
s中的所有内容。然后，在循环内全局匹配（即一次返回一个结果）。但是你似乎学会了正则表达式的语法。
<td>\ {1,3}(?:(?:Writing: <a href="creator\.php\?c=[^>"]*?">(.*?)?</a>).*?)?(?:(?:Pencils: <a href="creator\.php\?c=[^>"]*?">(.*?)?</a>\ ))?(?:(?:Ink: <a href="creator\.php\?c=[^>"]*?">(.*?)?</a>))?(?:(?:Art: <a href="creator\.php\?c=[^>"]*?">(.*?)?</a>))?\ {1,3}</td>