python-如何使用正则表达式来分隔输入

假设我直接从代码中的HTML文档中读取。每一行看起来如下所示：

<TD>field1</TD><TD><A HREF="http://sample.url.com">field2</TD><TD><EM>field3</EM></TD>

---

这是正则表达式可以实现的吗？

如果您想使用正则表达式，这里是您的：

import re

a = "<TD>field1</TD><TD><A HREF=\"http://sample.url.com\">field2</TD><TD><EM>field3</EM></TD>"
REGEX = r'<TD>(\w+)</TD><TD><A HREF="([A-Za-z/:.]+)">(\w+)</TD><TD><EM>(\w+)</EM></TD>'
print(re.findall(REGEX, a))
>>>> [('field1', 'http://sample.url.com', 'field2', 'field3')]

重新导入
a=“field1field2field3”
REGEX=r'（\w+）（\w+）（\w+）
打印（关于findall（正则表达式，a））
>>>>[（'field1'，'http://sample.url.com“，”字段2“，”字段3“）]

您可以执行以下操作：

import re
pattern = re.compile('<TD>(?P<field1>.*?)</TD><TD><A HREF="(?P<url>.*?)">(?P<field2>.*?)</TD><TD><EM>(?P<field3>.*?)</EM></TD>')

html = '<TD>field1</TD><TD><A HREF="http://sample.url.com">field2</TD><TD><EM>field3</EM></TD>'
match = pattern.search(html)
if match:
    field1, url, field2, field3 = match.groups()
    # or you can do field1 = match.group('field1') and so on....

重新导入
pattern=re.compile（“（？P.*？（？P.*？）（？P.*？）”）
html='field1field2field3'
match=pattern.search（html）
如果匹配：
field1，url，field2，field3=match.groups（）
#或者您可以执行field1=match.group（'field1'）等操作。。。。

我建议您使用以下简单解决方案，返回字段并选择在列表中分析url：

import re

s = "<TD>field1</TD><TD><A HREF=\"http://sample.url.com\">field2</TD><TD><EM>field3</EM></TD>"

# If you want to extract the URL
myPattern = re.compile(r'<TD>(\w+)</TD><TD><A HREF=(.+)>(\w+)</TD><TD><EM>(\w+)</EM></TD>')
listOfMatches = list(myPattern.findall(s)[0])
print(listOfMatches) # ['field1', '"http://sample.url.com"', 'field2', 'field3']

# If you don't want to extract the URL
myPattern = re.compile(r'<TD>(\w+)</TD><TD><A HREF=.+>(\w+)</TD><TD><EM>(\w+)</EM></TD>')
listOfMatches = list(myPattern.findall(s)[0])
print(listOfMatches) # ['field1', 'field2', 'field3']

重新导入
s=“field1field2field3”
#如果要提取URL
myPattern=re.compile（r'（\w+）（\w+）（\w+））
listOfMatches=list（myPattern.findall[0]）
打印（匹配列表）#['field1'，'”http://sample.url.com“'、‘字段2’、‘字段3’]
#如果不想提取URL
myPattern=re.compile（r'（\w+）（\w+）（\w+））
listOfMatches=list（myPattern.findall[0]）
打印（匹配列表）#['field1'，'field2'，'field3']

不要将正则表达式用于HTML，尽可能地使用HTML解析器，但实际上，使用HTML解析器将使您的生活更轻松（代码也更易于维护）。

import re

s = "<TD>field1</TD><TD><A HREF=\"http://sample.url.com\">field2</TD><TD><EM>field3</EM></TD>"

# If you want to extract the URL
myPattern = re.compile(r'<TD>(\w+)</TD><TD><A HREF=(.+)>(\w+)</TD><TD><EM>(\w+)</EM></TD>')
listOfMatches = list(myPattern.findall(s)[0])
print(listOfMatches) # ['field1', '"http://sample.url.com"', 'field2', 'field3']

# If you don't want to extract the URL
myPattern = re.compile(r'<TD>(\w+)</TD><TD><A HREF=.+>(\w+)</TD><TD><EM>(\w+)</EM></TD>')
listOfMatches = list(myPattern.findall(s)[0])
print(listOfMatches) # ['field1', 'field2', 'field3']