Python 如何循环搜索下一个数据

我使用正则表达式从html表中抓取了两组数据

数据：

 <div class = "info"> 
   <div class="name"><td>random</td></div>
   <div class="hp"><td>123456</td></div>
   <div class="email"><td>random@mail.com</td></div> 
 </div>

 <div class = "info"> 
   <div class="name"><td>random123</td></div>
   <div class="hp"><td>654321</td></div>
   <div class="email"><td>random123@mail.com</td></div> 
 </div>

所以，在将这组数据保存到我的数据库中之后，我想保存下一组数据，如何获取下一组数据？我尝试使用findall，然后将其插入数据库，但所有内容都在一行中。我需要的数据是在数据库中的一组一组

---

python新手请评论不清楚的部分将尝试编辑

您不应该使用正则表达式解析HTML。只是一团糟，用BS4来做吧。以正确的方式进行：

soup = BeautifulSoup(match3, "html.parser")
names = []
allTds = soup.find_all("td")
for i,item in enumerate(allTds[::3]):
    #            firstname   hp                email
    names.append((item.text, allTds[(i*3)+1].text, allTds[(i*3)+2].text))

为了回答这个问题，我想我会加入一个你永远都不应该使用的非常难看的正则表达式。特别是因为它是html，所以永远不要使用正则表达式来解析html。（请不要使用此选项）

对于re.findall（r“（.+？）.+？（.+？）.+？（.+？）.+？（.+？）”、match3、re.DOTALL中的此匹配：
打印（此匹配[0]、此匹配[1]、此匹配[2]）

正如@Racialz所指出的那样，你应该调查一下

让我们像@Racialz一样，构建一个更健壮的解决方案。查找所有

info

元素，并找到输出中生成字典列表的所有字段：

from pprint import pprint

from bs4 import BeautifulSoup

data = """
<div>
    <div class = "info">
       <div class="name"><td>random</td></div>
       <div class="hp"><td>123456</td></div>
       <div class="email"><td>random@mail.com</td></div>
    </div>

    <div class = "info">
       <div class="name"><td>random123</td></div>
       <div class="hp"><td>654321</td></div>
       <div class="email"><td>random123@mail.com</td></div>
    </div>
</div>
 """
soup = BeautifulSoup(data, "html.parser")

fields = ["name", "hp", "email"]

result = [
    {field: info.find(class_=field).get_text() for field in fields}
    for info in soup.find_all(class_="info")
]

pprint(result)

---

你不应该用正则表达式解析html。你可以发布你所展示的html块的父标记，或者发布你所得到的完整html输入吗？谢谢。@ Alcxe在父母标签中加了一句：我使用的正则表达式是第二个边界，前1个是使用父母标记，如果你有一个后续问题，请考虑创建一个单独的问题。谢谢。我看到人们尖叫着不要使用正则表达式来解析HTML，但是Beauty Soup或lxml在内部解析HTML使用了什么呢？还有，为什么使用正则表达式解析HTML不好？@Smac89，因为如果网站更新，td更改为

或其他任何内容，整个过程都会中断。美丽集团知道如何处理这些事情。这个正则表达式只能捕获介于

和

之间的内容，而BS4无论如何都能工作。@Racialz因为这是我创建的一个演示网站，所以我不会更新网站，而且有人要求我不要使用任何解析器，因为正则表达式已经足够了，谢谢你回答任何一种方式，这肯定更好，当我写我的答案时，op没有包含info div，所以我的bs4代码很奇怪。如果你在我写我的答案时检查ops编辑历史记录，它只是6“

soup = BeautifulSoup(match3, "html.parser")
names = []
allTds = soup.find_all("td")
for i,item in enumerate(allTds[::3]):
    #            firstname   hp                email
    names.append((item.text, allTds[(i*3)+1].text, allTds[(i*3)+2].text))

for thisMatch in re.findall(r"<td>(.+?)</td>.+?<td>(.+?)</td>.+?<td>(.+?)</td>", match3, re.DOTALL):
    print(thisMatch[0], thisMatch[1], thisMatch[2])

from pprint import pprint

from bs4 import BeautifulSoup

data = """
<div>
    <div class = "info">
       <div class="name"><td>random</td></div>
       <div class="hp"><td>123456</td></div>
       <div class="email"><td>random@mail.com</td></div>
    </div>

    <div class = "info">
       <div class="name"><td>random123</td></div>
       <div class="hp"><td>654321</td></div>
       <div class="email"><td>random123@mail.com</td></div>
    </div>
</div>
 """
soup = BeautifulSoup(data, "html.parser")

fields = ["name", "hp", "email"]

result = [
    {field: info.find(class_=field).get_text() for field in fields}
    for info in soup.find_all(class_="info")
]

pprint(result)

[{'email': 'random@mail.com', 'hp': '123456', 'name': 'random'},
 {'email': 'random123@mail.com', 'hp': '654321', 'name': 'random123'}]