Python 正则表达式解析CSS选择器

我想解析这个CSS选择器（以及其他类似形式的选择器）：

div.class1#myid.class2[key=value]

让它匹配“.class1”和“.class2”，但我不知道该用什么正则表达式

例如：

在理想世界中，我还想提取：

• 类型（即div）
• 类别（即类别列表）
• id（即myid）
• 钥匙（即钥匙）
• 运算符（即=）
• 价值（即价值）

但我没法做基本的事情

任何帮助都将不胜感激：）

---

谢谢

我想你需要这样的东西

(?P<tag>[a-zA-Z]+)?(\.(?P<class>[a-zA-Z0-9_-]+)?)?(#(?P<id>[a-zA-Z0-9_-])?)?\W*\{((?P<name>[a-zA-Z0-9-_]+?)=(?P<value>[a-zA-Z0-9-_]+?))*\}

（？P[a-zA-Z]+）（\。（？P[a-zA-Z0-9-]）？（？）（？（？P[a-zA-Z0-9-]）？）？）\W*{（？P[a-zA-Z0-9-+？）=（？P[a-zA-Z0-9-+）*}

---

抱歉，如果它不起作用，我还没有测试它

我想你需要这样的东西

(?P<tag>[a-zA-Z]+)?(\.(?P<class>[a-zA-Z0-9_-]+)?)?(#(?P<id>[a-zA-Z0-9_-])?)?\W*\{((?P<name>[a-zA-Z0-9-_]+?)=(?P<value>[a-zA-Z0-9-_]+?))*\}

（？P[a-zA-Z]+）（\。（？P[a-zA-Z0-9-]）？（？）（？（？P[a-zA-Z0-9-]）？）？）\W*{（？P[a-zA-Z0-9-+？）=（？P[a-zA-Z0-9-+）*}

---

很抱歉，如果它不起作用，我还没有测试它

绝对不要尝试用一个regexp来测试它。正则表达式是出了名的难以读取和调试，因此当您完成了此任务的前80%并返回尝试修复错误时，代码将是一场噩梦

相反，尝试编写函数，甚至编写一个类，让您可以完成您想做的事情。然后，您可以为每个特定任务使用相对简单的regexp，并在实现中使用更直观的语法

class css_parser:

  def __init__(self):
    self.class_regexp = re.compile('\.[\w\-]*') # This is insufficient, but it's a start...

  def get_class(self, str):
    m = self.class_regexp.match(str)
    return m.group(0)

---

您需要特别参考第4节。

绝对不要试图用一个regexp来实现这一点。正则表达式是出了名的难以读取和调试，因此当您完成了此任务的前80%并返回尝试修复错误时，代码将是一场噩梦

相反，尝试编写函数，甚至编写一个类，让您可以完成您想做的事情。然后，您可以为每个特定任务使用相对简单的regexp，并在实现中使用更直观的语法

class css_parser:

  def __init__(self):
    self.class_regexp = re.compile('\.[\w\-]*') # This is insufficient, but it's a start...

  def get_class(self, str):
    m = self.class_regexp.match(str)
    return m.group(0)

---

您需要特别参考第4节。

非常感谢大家的建议和帮助。我将其全部绑定到以下两个正则表达式模式中：

这个函数解析CSS选择器字符串（例如div#myid.myclass[attr=1，fred=3]）

cssSelector=re.compile（r'^（？P[\*\w[\\-]+）（？P[\w\\-]+）（？P\.[\w\\-]+）（？P\.[\w\\-\.]+）*（？P\[.+\]）*$）
>>>cssSelector.match（“table#john.test.test2[hello]”）.groups（）
（‘table’、‘john’、‘test.test2’、‘hello’）
>>>cssSelector.match（“表”）.groups（）
（“表”，无，无，无）
>>>cssSelector.match（“table#john”）.groups（）
（“桌子”，“约翰”，没有，没有）
>>>cssSelector.match（“table.test.test2[hello]”）.groups（）
（'table'，None'，.test.test2'，'[hello]'）
>>>cssSelector.match（“table#john.test.test2”）.groups（）
（'table'，'john'，'.test.test2'，无）
>>>cssSelector.match（“*#john.test.test2[hello]”组（）
（“*”、“#john”、“.test.test2”、“[hello]”
>>>cssSelector.match（“*”）.groups（）
（“*”，无，无，无）

这一个做属性（例如，[link，key~=value]）：

attribSelector=re.compile（r'（？P\w+）\s*（？P[^\w\，]{0,2}）\s*（？P\w+）\s*[\，\]'））
>>>a=attribSelector.findall（“[link，ds9！=test，bsdfsdf]”）
>>>对于a中的x：打印x
（“链接”，“链接”）
（'ds9'、'！='、'test'）
（'bsdfsdf'，''，''）

有几件事需要注意： 1） 这将使用逗号分隔来解析属性（因为我没有使用严格的CSS）。 2） 这要求模式采用以下格式：标记、id、类、属性

第一个正则表达式执行标记，因此空格和'>'分隔了选择器字符串的各个部分。这是因为我想用它来检查我自己的对象图：）

---

再次感谢

非常感谢大家的建议和帮助。我将其全部绑定到以下两个正则表达式模式中：

这个函数解析CSS选择器字符串（例如div#myid.myclass[attr=1，fred=3]）

cssSelector=re.compile（r'^（？P[\*\w[\\-]+）（？P[\w\\-]+）（？P\.[\w\\-]+）（？P\.[\w\\-\.]+）*（？P\[.+\]）*$）
>>>cssSelector.match（“table#john.test.test2[hello]”）.groups（）
（‘table’、‘john’、‘test.test2’、‘hello’）
>>>cssSelector.match（“表”）.groups（）
（“表”，无，无，无）
>>>cssSelector.match（“table#john”）.groups（）
（“桌子”，“约翰”，没有，没有）
>>>cssSelector.match（“table.test.test2[hello]”）.groups（）
（'table'，None'，.test.test2'，'[hello]'）
>>>cssSelector.match（“table#john.test.test2”）.groups（）
（'table'，'john'，'.test.test2'，无）
>>>cssSelector.match（“*#john.test.test2[hello]”组（）
（“*”、“#john”、“.test.test2”、“[hello]”
>>>cssSelector.match（“*”）.groups（）
（“*”，无，无，无）

这一个做属性（例如，[link，key~=value]）：

attribSelector=re.compile（r'（？P\w+）\s*（？P[^\w\，]{0,2}）\s*（？P\w+）\s*[\，\]'））
>>>a=attribSelector.findall（“[link，ds9！=test，bsdfsdf]”）
>>>对于a中的x：打印x
（“链接”，“链接”）
（'ds9'、'！='、'test'）
（'bsdfsdf'，''，''）

有几件事需要注意： 1） 这将使用逗号分隔来解析属性（因为我没有使用严格的CSS）。 2） 这要求模式采用以下格式：标记、id、类、属性

第一个正则表达式执行标记，因此空格和'>'分隔了选择器字符串的各个部分。这是因为我想用它来检查我自己的对象图：）

---

再次感谢

如果你想要所有这些信息，你最好使用类似的东西。看起来已经有几个库在这样做了——而且——尽管还不清楚它们有多完整。理论上，可能有多个

[key=value]

，或者使用单独的键和值列表，或者使用包含键值对的属性列表。“标记”可能比“类型”更合适。此外，属性有更多的变体，属性值有引号和没有引号：

[type]

，

[type^=value]

，

[type$=value]

，等等，如果这很重要，那么可能需要存储