Regex 如何提取作者'；使用正则表达式的名称和发布日期？_Regex_Python 3.x_Beautifulsoup

Regex 如何提取作者'；使用正则表达式的名称和发布日期？

regex python-3.x

Regex 如何提取作者'；使用正则表达式的名称和发布日期？,regex,python-3.x,beautifulsoup,Regex,Python 3.x,Beautifulsoup,我试图从这个HTML文本中提取作者的姓名和出版日期以下是我到目前为止的情况：（authorName）=（“………………”）不过，这只适用于这种特定情况，我正在寻找一种通用方法。我能得到一些关于如何处理这个问题的建议吗教师是SF应该投资意外之财“var”的最好例子 omni_bizObjectId=“13560483”var omni_className=“article”var omni_publicationDate=“2019-01-25T12:00:00+00:00”var omn

我试图从这个HTML文本中提取作者的姓名和出版日期

以下是我到目前为止的情况：（authorName）=（“………………”）

不过，这只适用于这种特定情况，我正在寻找一种通用方法。我能得到一些关于如何处理这个问题的建议吗

教师是SF应该投资意外之财“var”的最好例子 omni_bizObjectId=“13560483”var omni_className=“article”var omni_publicationDate=“2019-01-25T12:00:00+00:00”var omni_sourceSite =“sfgate”var omni_authorName=“Heather Knight”var omni_authorTitle=“”；var omni_premiumStatus=“isPremium”；var omni_premiumEndDate=“1893506400”；var omni_originalSource=“SF”var omni_页码= “1”var omni_breakingNewsFlag=“0”var omni_localNewsFlag=“1”var omni_isListView=“0”var omni_paywallSite=“1”var omni_displayTemplate=“ard”

您可以使用此正则表达式捕获group1中的作者姓名

authorName\s+=\s+"([^"]*)"

此正则表达式按字面顺序匹配

authorName

，然后匹配一个或多个空格，然后再匹配

一个或多个空格，然后再匹配一个双引号

“

”，然后捕获下一个双引号之间的任何数据，并将其存储在group1中，使用

m.group（1）

查看此Python代码，了解如何从group1捕获数据

import re

s = 'teacher a prime example of where SF should invest windfall";var omni_bizObjectId = "13560483";var omni_className = "article";var omni_publicationDate = "2019-01-25T12:00:00+00:00";var omni_sourceSite ="sfgate";var omni_authorName = "Heather Knight";var omni_authorTitle = "";var omni_premiumStatus = "isPremium";var omni_premiumEndDate = "1893506400";var omni_originalSource = "SF";var omni_pageNumber = "1";var omni_breakingNewsFlag = "0";var omni_localNewsFlag = "1";var omni_isListView = "0";var omni_paywallSite = "1";var omni_displayTemplate = "ard";'

m = re.search(r'authorName\s+=\s+"([^"]*)"',s)
if (m):
 print(m.group(1))

只打印作者姓名

Heather Knight

编辑：感谢Onyanbu指出发布日期。

与

authorName

类似，您可以使用上述正则表达式，将

authorName

替换为

publicationDate

，并使用此正则表达式捕获

publicationDate

publicationDate\s+=\s+"([^"]*)"

如果要使用单个正则表达式同时提取这两个正则表达式，可以使用此正则表达式

(?i).*publicationdate\s+=\s+"([^"]*)".*authorName\s+=\s+"([^"]*)"

Python代码

import re

s = 'teacher a prime example of where SF should invest windfall";var omni_bizObjectId = "13560483";var omni_className = "article";var omni_publicationDate = "2019-01-25T12:00:00+00:00";var omni_sourceSite ="sfgate";var omni_authorName = "Heather Knight";var omni_authorTitle = "";var omni_premiumStatus = "isPremium";var omni_premiumEndDate = "1893506400";var omni_originalSource = "SF";var omni_pageNumber = "1";var omni_breakingNewsFlag = "0";var omni_localNewsFlag = "1";var omni_isListView = "0";var omni_paywallSite = "1";var omni_displayTemplate = "ard";'

m = re.search(r'(?i).*publicationdate\s+=\s+"([^"]*)".*authorName\s+=\s+"([^"]*)"',s)
if (m):
 print('Publication Date:', m.group(1))
 print('Author Name:', m.group(2))

印刷品

Publication Date: 2019-01-25T12:00:00+00:00
Author Name: Heather Knight