python - 使用正则表达式在 Python 中解析 XML

Question

我正在尝试使用正则表达式来解析 XML 文件(在我的例子中，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>'

要访问标签 City_State 的文本，我正在使用:

attr = re.match('>.*<', line)

但没有返回任何内容。

谁能指出我做错了什么？

Answer 1

您通常不想使用re.match。 Quoting from the docs :

If you want to locate a match anywhere in string, use search() instead (see also search() vs. match()).

注意:

>>> 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<

---

此外，当您可以使用类似 BeautifulSoup 的东西时，为什么还要用正则表达式解析 XML？ :).

>>> 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