提取正则表达式匹配的一部分

2025-02-07 08:44:00
admin
原创
77
摘要:问题描述:我想要一个正则表达式来从 HTML 页面中提取标题。目前我有这个:title = re.search('<title>.*</title>', html, re.IGNORECASE).group() if title: title = title.replace('...

问题描述:

我想要一个正则表达式来从 HTML 页面中提取标题。目前我有这个:

title = re.search('<title>.*</title>', html, re.IGNORECASE).group()
if title:
    title = title.replace('<title>', '').replace('</title>', '') 

是否存在正则表达式可以仅提取 <title> 的内容,这样我就不必删除标签?


解决方案 1:

( )在正则表达式和python 中使用group(1)来检索捕获的字符串(如果找不到结果re.search就会返回,所以不要直接使用):Nonegroup()

title_search = re.search('<title>(.*)</title>', html, re.IGNORECASE)

if title_search:
    title = title_search.group(1)

解决方案 2:

请注意,从开始,以及赋值表达式(PEP 572)(运算符)Python 3.8的引入,可以通过在 if 条件中直接捕获匹配结果作为变量并在条件主体中重新使用它来改进Krzysztof Krasoń 的解决方案::=

# pattern = '<title>(.*)</title>'
# text = '<title>hello</title>'
if match := re.search(pattern, text, re.IGNORECASE):
  title = match.group(1)
# hello

解决方案 3:

尝试使用捕获组:

title = re.search('<title>(.*)</title>', html, re.IGNORECASE).group(1)

解决方案 4:

我可以向你推荐 Beautiful Soup。Soup 是一个非常好的库,可以解析你所有的 html 文档。

soup = BeatifulSoup(html_doc)
titleName = soup.title.name

解决方案 5:

尝试:

title = re.search('<title>(.*)</title>', html, re.IGNORECASE).group(1)

解决方案 6:

re.search('<title>(.*)</title>', s, re.IGNORECASE).group(1)

解决方案 7:

提供的代码片段不能满足Exceptions
我的建议

getattr(re.search(r"<title>(.*)</title>", s, re.IGNORECASE), 'groups', lambda:[u""])()[0]

如果未找到模式或第一个匹配项,则默认返回一个空字符串。

解决方案 8:

我认为这就足够了:

#!python
import re
pattern = re.compile(r'<title>([^<]*)</title>', re.MULTILINE|re.IGNORECASE)
pattern.search(text)

...假设您的文本(HTML)位于名为“text”的变量中。

这还假设没有其他 HTML 标签可以合法嵌入 HTML TITLE 标签内,并且没有办法在这样的容器/块内合法嵌入任何其他 < 字符。

然而...

不要在 Python 中使用正则表达式进行 HTML 解析。使用 HTML 解析器!(除非您要编写一个完整的解析器,当标准库中已经有各种 HTML、SGML 和 XML 解析器时,这将是一项额外的、多余的工作)。

如果您要处理“真实世界”标签汤HTML(通常不符合任何 SGML/XML 验证器的要求),请使用BeautifulSoup包。它目前不在标准库中,但被广泛推荐用于此目的。

另一个选项是:lxml ...,它是为正确结构化(符合标准)的 HTML 编写的。但它有一个选项可以回退到使用 BeautifulSoup 作为解析器:ElementSoup。

解决方案 9:

Krzysztof Krasoń 的当前得票最高的答案因 而失败<title>a</title><title>b</title>。此外,它还会忽略跨行边界的标题标签,例如,出于行长原因。最后,它因<title >a</title>(有效 HTML:XML/HTML 标签内的空格) 而失败。

因此我建议进行以下改进:

import re

def search_title(html):
    m = re.search(r"<titles*>(.*?)</titles*>", html, re.IGNORECASE | re.DOTALL)
    return m.group(1) if m else None

测试用例:

print(search_title("<title   >with spaces in tags</title >"))
print(search_title("<title
>with newline in tags</title
>"))
print(search_title("<title>first of two titles</title><title>second title</title>"))
print(search_title("<title>with newline
 in title</title
>"))

输出:

with spaces in tags
with newline in tags
first of two titles
with newline
  in title

最终,我和其他人一起推荐 HTML 解析器 - 不仅如此,还可以处理 HTML 标签的非标准使用。

解决方案 10:

我需要一些可以匹配的东西package-0.0.1(名称、版本),但想要拒绝无效的版本,例如0.0.010

参见regex101示例。

import re

RE_IDENTIFIER = re.compile(r'^([a-z]+)-((?:(?:0|[1-9](?:[0-9]+)?).){2}(?:0|[1-9](?:[0-9]+)?))$')

example = 'hello-0.0.1'

if match := RE_IDENTIFIER.search(example):
    name, version = match.groups()
    print(f'Name:     {name}')
    print(f'Version:  {version}')
else:
    raise ValueError(f'Invalid identifier {example}')

输出:

Name:     hello
Version:  0.0.1

解决方案 11:

没有人建议使用前瞻和后瞻,这有什么特别的原因吗?我来这里尝试做同样的事情,(?<=<title>).+(?=</title>)效果很好。它只会匹配括号之间的内容,所以你不必做整个组的事情。

相关推荐
  政府信创国产化的10大政策解读一、信创国产化的背景与意义信创国产化,即信息技术应用创新国产化,是当前中国信息技术领域的一个重要发展方向。其核心在于通过自主研发和创新,实现信息技术应用的自主可控,减少对外部技术的依赖,并规避潜在的技术制裁和风险。随着全球信息技术竞争的加剧,以及某些国家对中国在科技领域的打压,信创国产化显...
工程项目管理   1590  
  为什么项目管理通常仍然耗时且低效?您是否还在反复更新电子表格、淹没在便利贴中并参加每周更新会议?这确实是耗费时间和精力。借助软件工具的帮助,您可以一目了然地全面了解您的项目。如今,国内外有足够多优秀的项目管理软件可以帮助您掌控每个项目。什么是项目管理软件?项目管理软件是广泛行业用于项目规划、资源分配和调度的软件。它使项...
项目管理软件   1361  
  信创产品在政府采购中的占比分析随着信息技术的飞速发展以及国家对信息安全重视程度的不断提高,信创产业应运而生并迅速崛起。信创,即信息技术应用创新,旨在实现信息技术领域的自主可控,减少对国外技术的依赖,保障国家信息安全。政府采购作为推动信创产业发展的重要力量,其对信创产品的采购占比情况备受关注。这不仅关系到信创产业的发展前...
信创和国产化的区别   18  
  信创,即信息技术应用创新产业,旨在实现信息技术领域的自主可控,摆脱对国外技术的依赖。近年来,国货国用信创发展势头迅猛,在诸多领域取得了显著成果。这一发展趋势对科技创新产生了深远的推动作用,不仅提升了我国在信息技术领域的自主创新能力,还为经济社会的数字化转型提供了坚实支撑。信创推动核心技术突破信创产业的发展促使企业和科研...
信创工作   18  
  信创技术,即信息技术应用创新产业,旨在实现信息技术领域的自主可控与安全可靠。近年来,信创技术发展迅猛,对中小企业产生了深远的影响,带来了诸多不可忽视的价值。在数字化转型的浪潮中,中小企业面临着激烈的市场竞争和复杂多变的环境,信创技术的出现为它们提供了新的发展机遇和支撑。信创技术对中小企业的影响技术架构变革信创技术促使中...
信创国产化   19  
热门文章
项目管理软件有哪些?
云禅道AD
禅道项目管理软件

云端的项目管理软件

尊享禅道项目软件收费版功能

无需维护,随时随地协同办公

内置subversion和git源码管理

每天备份,随时转为私有部署

免费试用