我正在尝试使用正则表达式来解析一个XML
文件(在我的情况下,这似乎是最简单的方法)。
例如,一行可能是:
line='<City_State>PLAINSBORO, NJ 08536-1906</City_State>'
为了访问标签"City_State"的文本,我正在使用:
attr = re.match('>.*<', line)
但是什么也没有被返回。
有人能指出我做错了什么吗?
我正在尝试使用正则表达式来解析一个XML
文件(在我的情况下,这似乎是最简单的方法)。
例如,一行可能是:
line='<City_State>PLAINSBORO, NJ 08536-1906</City_State>'
为了访问标签"City_State"的文本,我正在使用:
attr = re.match('>.*<', line)
但是什么也没有被返回。
有人能指出我做错了什么吗?
re.match
。引用自文档(链接):
注意:如果要在字符串中查找匹配项,请改用 search()(还可参见search() vs. match())。
>>> print re.match('>.*<', line)
None
>>> print re.search('>.*<', line)
<_sre.SRE_Match object at 0x10f666238>
>>> print re.search('>.*<', line).group(0)
>PLAINSBORO, NJ 08536-1906<
BeautifulSoup
这样的工具呢? :)>>> from bs4 import BeautifulSoup as BS
>>> line='<City_State>PLAINSBORO, NJ 08536-1906</City_State>'
>>> soup = BS(line)
>>> print soup.find('city_state').text
PLAINSBORO, NJ 08536-1906
请使用像ElementTree这样的XML解析器
>>> from xml.etree import ElementTree as ET
>>> line='<City_State>PLAINSBORO, NJ 08536-1906</City_State>'
>>> ET.fromstring(line).text
'PLAINSBORO, NJ 08536-1906'
如果模式与整个字符串匹配,则 re.match 仅返回匹配项。要查找与模式匹配的子字符串,请使用 re.search。
是的,这是解析 XML 的一种简单方法,但我强烈建议您使用专门设计用于此任务的库。
re.match
左侧锚定但不必消耗整个字符串。非常宽松地说,给定正则表达式 X
,re.match
就像使用 ^X
的 re.search
(但不是 ^X$
)。还有其他差异,特别是包含换行符的字符串;请参见Haidro's answer中的文档链接。 - torek