Python-使用正则表达式查找多个匹配项并按特定顺序报告

我试图从HTML源文件中提取一些行。下面的一个是简化的，但它是相同的想法。使用下面的示例，我试图将其以数字顺序输出…即表格1、表格2、表格3、表格4。问题是第二个循环在第二轮时重新启动。所以我得到了：表格一，表格二，表格三，表格二。如何编辑以使第二个循环继续提取表单4文本

代码

重新导入
行='bla bla bla表格1一些文本…表格
2更多的文字？布拉布拉布拉布拉表格3一些文字。。。
表格4更多文本？”
对于re.finditer（“（.*？”，行，re.S）中的匹配：
打印匹配组（1）
对于re.finditer（“（.*？”，行，re.S）中的match1：
打印匹配1.组（1）
打破

对于re.finditer（“（.*？”），行，re.S中的匹配：
打印（匹配组（1））

我修改代码：

for match in re.finditer('(<form>(.*?)</form>)|(<form1>(.*?)</form1>)', line, re.S):
    if None != match.group(4):
        print(match.group(4))
    else:
        print(match.group(2))

对于re.finditer（“（.*？）|（.*？）”中的匹配，行，re.S）：
如果没有！=匹配组（4）：
打印（匹配组（4））
其他：
打印（匹配组（2））

返回的

match

对象有一个方法

start

，该方法获取所需组的索引，并返回字符串中匹配组的起始索引（即

行

）。然后，通过切片

行

（例如

行[某些索引：

），可以让内部循环从该索引开始，而不是从

行

开始。 一个更合适、更简单的方法是让你的内部

re.finditer

接受

match.group（1）

，而不是

行

然而，除非目标HTML的模式足够简单，否则手动处理HTML通常不是一个好主意。您可以使用一些简单易用而复杂的库来解析和提取HTML中的数据。

这就是您想要的吗

>>> for item in re.finditer(r'<form[12]?>([^<]+)',line):
...     item.groups()[0]
...     
'Form 1'
'Form 2'
'Form 3'
'Form 4'

---

>>>对于re.finditer（r'）（[^这是我正在使用的。但是请注意，有两种模式…和替代模式。因此问题是如何循环它们，以便它按以下顺序搜索：，。是的，第一个代码有问题。我修改了代码。可能重复：
for match in re.finditer('(<form>(.*?)</form>)|(<form1>(.*?)</form1>)', line, re.S):
    if None != match.group(4):
        print(match.group(4))
    else:
        print(match.group(2))

>>> for item in re.finditer(r'<form[12]?>([^<]+)',line):
...     item.groups()[0]
...     
'Form 1'
'Form 2'
'Form 3'
'Form 4'