Python 正在尝试在此html标记上使用正则表达式

我是python新手，在正则表达式方面遇到了麻烦。我想使用正则表达式只抓取第53-63页，并且能够在整个网站中为多行类似的内容这样做。有人能帮我吗

<div class="src">
        Foreign Affairs, Vol. 79, No. 4 (Jul. - Aug., 2000), pp. 53-63
    </div>

《外交》，第79卷，第4期（2000年7月至8月），第53-63页

到目前为止，我写的是：

    urlpage = page.read()
    outputh.write(urlpage)
    matches = re.findall(r'(<div class="src">+[\d+,\d]+\s+Search\s+Results)', urlpage)

urlpage=page.read（）
outputh.write（urlpage）
matches=re.findall（r'（+[\d+，\d]+\s+Search\s+Results），urlpage）

但我知道这是错误的。

给你：

from bs4 import BeautifulSoup
import re

data = """<div class="src">
        Foreign Affairs, Vol. 79, No. 4 (Jul. - Aug., 2000), pp. 53-63
    </div>"""
soup = BeautifulSoup(data)
rx = re.compile(r'\bpp\. \d+-\d+')
pages = [rx.search(div.strip()).group(0)
        for div in soup.find_all(string = rx)]
# ['pp. 53-63']

从bs4导入美化组
进口稀土
data=”“”
《外交》，第79卷，第4期（2000年7月至8月），第53-63页
"""
汤=美汤（数据）
rx=re.compile（r'\bpp\.\d+-\d+'））
pages=[rx.search（div.strip（））.group（0）
对于汤中的div.find_all（string=rx）]
#['第53-63页']

---

这使用了一个解析器（

BeautifulSoup

）和一个正则表达式，不同之处在于您不需要在DOM本身上操作正则表达式，而是让

bs4

为您操作。

我们真的需要再次指向正则表达式吗？@DanielRoseman:我想是这样的：（我已经有一些样板评论了。你为什么又问同一个问题？在你的最后一个问题中，你已经被准确地演示了如何可靠地做到这一点。@PadraicCunningham，我只是试图从多个解决方案来看待这个问题。对不起，我认为这是一种足够不同的解决方法。@Kainesprain，regex是一种非常糟糕的PAR方法根据Daniel评论中链接到的答案中列出的所有原因，使用e html。此外，您的正则表达式包含html标记文本中不存在的单词，因此它可能无法工作。如果您想可靠地解析html，请按照上一个问题使用bs4。如果速度不够快，请查看lxml。